使用重复条目取消堆叠 DF

Question

我是熊猫的新手，我有一个数据集，我想更改它的说明。它有 40.000 行和 13 列，包含 2010 年 ('Último') 和 2009 年 ('PENÚLTIMO') 的财务信息我感兴趣的部分是：'NOME'（公司名称），'GRUPO_DFP'（目前它只是资产负债表，但我打算添加更多），'ORDEM_EXER'（当前或去年，2010 年或 2009 年） , 'DS_CONTA'（资产类型），'VL_CONTA'（价值）顺便说一句，这都是公开信息。所以，删除我不想要的列，我得到这个：问题从这里开始。它像普通的 csv 一样显示信息：ORDEM_EXER-----DS_CONTA-------------------------VL_CONTAPENÚLTIMO-----Ativo Total-----------------------702571987.0ÚLTIMO--------Ativo Total-----------------------802819794.0PENÚLTIMO-----Caixa e Equivalentes de Caixa-----31037881.0ÚLTIMO--------Caixa e Equivalentes de Caixa-----25219700.0但我想要的是：                  ÚLTIMO      PENÚLTIMO DS_CONTAAtivo Total ----802819794.0--702571987.0Caixa e Eq..----25219700.0---31037881.0经过多次尝试，我得到了这个：DF = DF.set_index(['NOME', 'GRUPO_DFP', 'DS_CONTA','ORDEM_EXER'], append=True)DF.unstack() 不过，这不是我想要的。试图跳过第一行并只是取消堆叠，返回错误：ValueError：索引包含重复条目，无法重塑所以，我真的不知道我能做什么。

Answer 1

像你这样的数据框：

df = pd.DataFrame([['PENÚLTIMO','Ativo Total','702571987.0'],

                  ['ÚLTIMO','Ativo Total','802819794.0'],

                  ['PENÚLTIMO','Caixa e Equivalentes de Caixa','31037881.0'],

                  ['ÚLTIMO','Caixa e Equivalentes de Caixa','25219700.0']], columns=['ORDEM_EXER','DS_CONTA','VL_CONTA'])

代表这个：

    ORDEM_EXER--DS_CONTA-----------------------VL_CONTA

0   PENÚLTIMO---Ativo Total--------------------702571987.0

1   ÚLTIMO------Ativo Total--------------------802819794.0

2   PENÚLTIMO---Caixa e Equivalentes de Caixa--31037881.0

3   ÚLTIMO------Caixa e Equivalentes de Caixa--25219700.0

尝试使用枢轴：

df.pivot(index='DS_CONTA',columns='ORDEM_EXER',values='VL_CONTA')

代表这个：

ORDEM_EXER-----PENÚLTIMO---------------------ÚLTIMO

DS_CONTA        

Ativo Total--------------------702571987.0---802819794.0

Caixa e Equivalentes de Caixa--31037881.0----25219700.0

Answer 2

您可以尝试使用pivot_table来实现 pandas 数据框的数据透视值。如果数据框是：

df

>>>

ORDEM_EXER  DS_CONTA    VL_CONTA

0   PENÚLTIMO   Ativo Total 702571987

1   ÚLTIMO  Ativo Total 802819794

2   PENÚLTIMO   Caixa e Equivalentes de Caixa   31037881

3   ÚLTIMO  Caixa e Equivalentes de Caixa   25219700

然后

table = pd.pivot_table(df, values='VL_CONTA', index=['DS_CONTA'], columns=['ORDEM_EXER'], aggfunc=np.sum)

Answer 3

首先，我们使用您的示例数据创建一个数据框：

from io import StringIO

import pandas as pd

data = '''ORDEM_EXER-----DS_CONTA-------------------------VL_CONTA

PENÚLTIMO-----Ativo Total-----------------------702571987.0

ÚLTIMO--------Ativo Total-----------------------802819794.0

PENÚLTIMO-----Caixa e Equivalentes de Caixa-----31037881.0

ÚLTIMO--------Caixa e Equivalentes de Caixa-----25219700.0

'''

df = pd.read_csv(StringIO(data), sep='-+', engine='python')

print(df)

  ORDEM_EXER                       DS_CONTA     VL_CONTA

0  PENÚLTIMO                    Ativo Total  702571987.0

1     ÚLTIMO                    Ativo Total  802819794.0

2  PENÚLTIMO  Caixa e Equivalentes de Caixa   31037881.0

3     ÚLTIMO  Caixa e Equivalentes de Caixa   25219700.0

现在我们使用数据透视表重新格式化和总结：

print(df.pivot_table(index='DS_CONTA',

                     columns='ORDEM_EXER',

                     values='VL_CONTA',

                     aggfunc=sum,

                     fill_value=0))

ORDEM_EXER                     PENÚLTIMO     ÚLTIMO

DS_CONTA                                           

Ativo Total                    702571987  802819794

Caixa e Equivalentes de Caixa   31037881   25219700

Answer 4

好的，如果我没理解错的话，你真的想为DS_CONTA设置索引

DF = DF.set_index(['DS_CONTA'])

那是对的吗？