df.reset_index()， df.set_index(), pivot_table & groupby再练习

df.reset_index( )

由于groupby函数不能对index进行组合，可以reset_index()把index变成columns后在进行groupby的计算：

# 先把MMR 的表格走一个pivot_table:
pivot = pd.pivot_table(mmr, index = ['Sales','strat.business field'],
                       columns = 'Period/year', values = 'Net sales in CHF',
                       aggfunc = np.sum)                 

把原来的index删除，df.reset_index(inplace = True）

pivot.reset_index(inplace = True)

pivot.columns
Out[22]: Index(['Sales', 'strat.business field', 2020.001, 2020.0020000000002], dtype='object', name='Period/year')

pivot.index
Out[23]: RangeIndex(start=0, stop=45, step=1)

设置一列,多列为新的index:

pivot.set_index('Sales',inplace = True)
pivot.set_index(['Sales','strat.business field'],inplace = True)

创建一个df练习groupby & pivot_table:

name1 = 'jack jack bob bob tom'.split()
date1 = 'day1 day2 day1 day2 day1'.split()
df = pd.DataFrame({
     'name':name1,'date':date1,'values':[2,4,3,2,5]})

用groupby 统计每个人的数字：

df.groupby('name')['values'].sum()
Out[30]: 
name
bob     5
jack    6
tom     5
Name: values, dtype: int64

用pivot_table统计上面的数据：

pd.pivot_table(df,index = 'name',values = 'values',aggfunc = np.sum)
Out[32]: 
      values
name        
bob        5
jack       6
tom        5

#带入日期作为columns:
df1 = pd.pivot_table(df,index = 'name', values = 'values', columns = 'date',aggfunc = np.sum)
df1.fillna(0)
Out[36]: 
date  day1  day2
name            
bob    3.0   2.0
jack   2.0   4.0
tom    5.0   0.0