python - 循环遍历数据框列表以动态创建新列
问题描述
我正在研究一个可以让我评估各种客户行为的数据集。为此,我将几个 excel 文件读入列表,然后将它们连接到单个数据帧中。不过,在此步骤之前,我想在每个列中创建几个新列,以根据年份和产品汇总收入,类似于以下内容:
输入数据
| |Year |Customer |Product |PO |Revenue |
| |:--------|:--------|:--------|:--------|:--------|
|0| 2019 | Cust 1 | DIGITAL | P1 | 100 |
|1| 2020 | Cust 1 | DIGITAL | P2 | 120 |
|2| 2019 | Cust 2 | STORE | P3 | 240 |
|3| 2019 | Cust 1 | DIGITAL | P4 | 200 |
|4| 2019 | Cust 2 | DIGITAL | P5 | 110 |
|5| 2020 | Cust 2 | STORE | P6 | 100 |
|6| 2020 | Cust 3 | DIGITAL | P7 | 120 |
|7| 2020 | Cust 3 | STORE | P8 | 180 |
期望的输出
| |Year |Customer |Product |PO |Revenue |19 Total |20 Total |19 Dig |20 Dig |19 Store |20 Store
| |:--------|:--------|:--------|:--------|:--------|:--------|:--------|:--------|:--------|:--------|:--------
|0| 2019 | Cust 1 | DIGITAL | P1 | 100 | 100 | | 100 | | |
|1| 2020 | Cust 1 | DIGITAL | P2 | 120 | | 120 | | 120 | |
|2| 2019 | Cust 2 | STORE | P3 | 240 | 240 | | | | 240 |
|3| 2019 | Cust 1 | DIGITAL | P4 | 200 | 200 | | 200 | | |
|4| 2019 | Cust 2 | DIGITAL | P5 | 110 | 110 | | 110 | | |
|5| 2020 | Cust 2 | STORE | P6 | 100 | | 100 | | | | 100
|6| 2020 | Cust 3 | DIGITAL | P7 | 120 | | 120 | | 120 | |
|7| 2020 | Cust 3 | STORE | P8 | 180 | | 180 | | | | 180 |
所以基本上每年都会有它的年度总额,以及产品类别下的收入金额。注意,现在需要维护列或行的顺序。
您可以提供的任何帮助都会很棒-如果有任何不妥之处,请告诉我。
编辑 在处理几个选项时,我发现下面的代码有效,但我相信如果有人能提供帮助,有一种更简洁的方式来编写它?
df_2019 = df.loc[df['Year'] == 2019]
df_2020 = df.loc[df['Year'] == 2020]
df_list = [df_2019, df_2020]
for i in df_list:
i[str(i['Year'].min())+' Total Rev'] = i['Revenue']
i[str(i['Year'].min())+' Dig Rev'] = i.loc[i['Product'] == 'DIGITAL', 'Revenue']
i[str(i['Year'].min())+' Store Rev'] = i.loc[i['Product'] == 'STORE', 'Revenue']
df_combined = pd.concat(df_list).sort_index()
df_combined
解决方案
我们可以pivot_table
两次,然后用列表理解展平你的 MultiIndex,最后pd.concat
用来创建你的最终数据框:
piv1 = df.pivot_table(
index=["PO"],
columns='Year',
values="Revenue"
).reset_index(drop=True).add_suffix(" Total")
piv2 = df.pivot_table(
index=["PO"],
columns=["Year", "Product"],
values="Revenue"
).reset_index(drop=True)
piv2.columns = [f"{c1} {c2}" for c1, c2 in piv2.columns]
df = pd.concat([df, piv1, piv2], axis=1)
Year Customer Product PO Revenue 2019 Total 2020 Total 2019 DIGITAL \
0 2019 Cust 1 DIGITAL P1 100 100.0 NaN 100.0
1 2020 Cust 1 DIGITAL P2 120 NaN 120.0 NaN
2 2019 Cust 2 STORE P3 240 240.0 NaN NaN
3 2019 Cust 1 DIGITAL P4 200 200.0 NaN 200.0
4 2019 Cust 2 DIGITAL P5 110 110.0 NaN 110.0
5 2020 Cust 2 STORE P6 100 NaN 100.0 NaN
6 2020 Cust 3 DIGITAL P7 120 NaN 120.0 NaN
7 2020 Cust 3 STORE P8 180 NaN 180.0 NaN
2019 STORE 2020 DIGITAL 2020 STORE
0 NaN NaN NaN
1 NaN 120.0 NaN
2 240.0 NaN NaN
3 NaN NaN NaN
4 NaN NaN NaN
5 NaN NaN 100.0
6 NaN 120.0 NaN
7 NaN NaN 180.0
推荐阅读
- javascript - 从 javascript 数组中删除嵌套的空值
- sql - 子查询从表中获取特定值
- jquery - 如何在 Laravel Blade 中将 ID 传递给 JQuery URL
- php - XMPP 与 TLS 实现
- c# - 当前上下文中不存在名称“”
- android-intent - 接收 Intent 到 Progressive Web App
- c++ - C++:创建可以访问基类私有变量的派生类?
- java - 如何显示另一个类的图形
- reactjs - 如何使用条件和 React Hooks 设置随机初始状态?
- reactjs - 为什么带有 redux-form 的子组件不会重新渲染?