python - single - pandas: ¿cómo ejecutar un pivote con un multi-índice?

pandas stack

Question

Me gustaría ejecutar un pivote en un DataFrame pandas, con el índice siendo dos columnas, no una. Por ejemplo, un campo para el año, uno para el mes, un campo de "elemento" que muestra el "elemento 1" y el "elemento 2" y un campo de "valor" con valores numéricos. Quiero que el índice sea año + mes.

La única forma en que logré que esto funcionara era combinar los dos campos en uno, y luego separarlos nuevamente. ¿hay una mejor manera?

Código mínimo copiado a continuación. ¡Muchas gracias!

PS Sí, soy consciente de que hay otras preguntas con las palabras clave ''pivot'' y ''multi-index'', pero no entendí si / cómo pueden ayudarme con esta pregunta.

import pandas as pd
import numpy as np
df= pd.DataFrame()
month = np.arange(1, 13)
values1 = np.random.randint(0, 100, 12)
values2 = np.random.randint(200, 300, 12)
df[''month''] = np.hstack((month, month))
df[''year''] = 2004
df[''value''] = np.hstack((values1, values2))
df[''item''] = np.hstack((np.repeat(''item 1'', 12), np.repeat(''item 2'', 12)))
# This doesn''t work:
# ValueError: Wrong number of items passed 24, placement implies 2
# mypiv = df.pivot([''year'', ''month''], ''item'', ''value'')
# This doesn''t work, either:
# df.set_index([''year'', ''month''], inplace=True)
# ValueError: cannot label index with a null key
# mypiv = df.pivot(columns=''item'', values=''value'')
# This below works but is not ideal:
# I have to first concatenate then separate the fields I need
df[''new field''] = df[''year''] * 100 + df[''month'']
mypiv = df.pivot(''new field'', ''item'', ''value'').reset_index()
mypiv[''year''] = mypiv[''new field''].apply( lambda x: int(x) / 100)
mypiv[''month''] = mypiv[''new field''] % 100

Answer 1

Creo que si incluyes un item en tu MultiIndex, entonces simplemente puedes desapilarlo:

df.set_index([''year'', ''month'', ''item'']).unstack(level=-1)

Esto produce:

 value
item item 1 item 2
year month
2004 1 21 277
2 43 244
3 12 262
4 80 201
5 22 287
6 52 284
7 90 249
8 14 229
9 52 205
10 76 207
11 88 259
12 90 200

Es un poco más rápido que usar pivot_table , y aproximadamente a la misma velocidad o ligeramente más lento que usar groupby .

Answer 2

Puedes agrupar y luego desapilar.

>>> df.groupby([''year'', ''month'', ''item''])[''value''].sum().unstack(''item'')
item item 1 item 2
year month
2004 1 33 250
2 44 224
3 41 268
4 29 232
5 57 252
6 61 255
7 28 254
8 15 229
9 29 258
10 49 207
11 36 254
12 23 209

O utilice pivot_table :

>>> df.pivot_table(
values=''value'',
index=[''year'', ''month''],
columns=''item'',
aggfunc=np.sum)
item item 1 item 2
year month
2004 1 33 250
2 44 224
3 41 268
4 29 232
5 57 252
6 61 255
7 28 254
8 15 229
9 29 258
10 49 207
11 36 254
12 23 209