随笔--笔记3(多Sheet保存、增加分组小计)

本文参考公众号：拾图院   😏
感谢作者的帮助   🐄
大家可以加关注哦！   😏😏

笔记3(多Sheet保存、增加分组小计)

一、多个文件保存在同一个表格的不同sheet中 ❔❓

 实际工作中可能需要将同一类型的数据保存在同一个表格中，而单纯的df.to_excel()只能保存单个文件，其使用说明如下：
 To write a single object to an Excel .xlsx file it is only necessary to
specify a target file name. To write to multiple sheets it is necessary to
create an ExcelWriter object with a target file name, and specify a sheet
in the file to write to.
 大致意思就是只能保存单个文件，要想保存多个就要用ExcelWriter，而使用ExcelWriter时，若文件夹之前有数据就会覆盖掉。

实现这个功能，可能有多种方法，但则这个是比较方便的方法：😏😏

writer = pd.ExcelWriter('test.xlsx')
data1.to_excel(writer,sheet_name='sheet1')
data2.to_excel(writer,sheet_name='sheet2')
writer.save()

二、给聚合之后的数据添加小计行

 之前的数据操作都是代码处理聚合，之后的数据手动添加小计，或者直接处理完的数据直接用Excel聚合，这样就有了想要的小计，但是随着数据的增加、需求的增加，这种重复性的工作就得要代码直接实现了。💦💦💦

使用的函数
df.assign()：
函数介绍

Assign new columns to a DataFrame.
Returns a new object with all original columns in addition to new ones.
Existing columns that are re-assigned will be overwritten.

 大致意思：给DataFrame新建一列，若列名存在则覆盖

1、用法一：增加新列

  是不是想到了什么？？😮😮
 没错！该函数其实是一个增加列的方法，以下两段代码实现的功能一致：

data["新列"]=0

data.assign(新列=0)# 注意这里的列名没得引号哦！！

2、用法二：增加小计

  首先明确思路：

  1.增加小计是增加行，每类加一行
  2.每分组聚合一次就加一行，最后把多次的分类聚合数据合起来
  3.需要注意的是最内层的汇总相当于原始数据的复制，但它不同于原始数据是因为进行了分组聚合，它的索引和其他的一样，而原始数据的索引不一致，这也是为啥补直接和原始数据合并的原因
  4.最后就是调整想要的效果了即按照索引排序

data = {
    'a': ['Animal', 'Animal', 'Animal', 'Animal', 'Object', 'Object', 'Object', 'Object'],
    'b': ['Ground', 'Ground', 'Air', 'Air', 'Metal', 'Metal', 'Wood', 'Wood'],
    'c': ['Dog', 'Cat', 'Eagle', 'Owl', 'Car', 'Bike', 'Chair', 'Table'],
    'Sce1': [0.0, 0.6, 1.0, 0.3, 0.3, 0.5, 0.9, 0.9],
    'Sce2': [0.9, 0.5, 0.1, 0.1, 0.3, 0.1, 0.6, 0.6],
    'Sce3': [0.5, 0.3, 0.1, 0.5, 0.8, 0.4, 0.1, 0.6],
    'Sce4': [0.0, 0.5, 0.6, 0.3, 0.6, 0.7, 0.9, 0.1],
    'Sce5': [0.3, 1.0, 0.9, 0.5, 0.5, 0.4, 0.2, 0.9],
    'Sce6': [0.4, 0.2, 0.1, 0.9, 0.6, 0.2, 0.8, 0.7]
}

演示数据具体长这样

这是我最终想要的样子

  分步实施：
  1.增加最外层汇总

total_1 = df.assign(**{x: 'Total' for x in 'abc'}).groupby(by=list('abc')).agg('sum')
total_1

结果展示：相当于对所有数据进行了求和

  2.增加第二层

total_2 = df.assign(**{x: 'Total' for x in 'abc'[1:]}).groupby(by=list('abc')).agg('sum')
total_2

结果展示：相当于对除了a列的数据进行了求和

  3.增加第三层

total_3 = df.assign(**{x: 'Total' for x in 'abc'[2:]}).groupby(by=list('abc')).agg('sum')
total_3

结果展示：相当于对除了a，b列的数据进行了求和

  4.增加第四层

total_4 = df.assign(**{x: 'Total' for x in 'abc'[3:]}).groupby(by=list('abc')).agg('sum')
total_4

这个其实已经没有求和了，只是为了把原始数据的索引和之前添加的三层总计保持一致

  5.然后就是把所有的数据拼接起来

pd.concat([total_1, total_2, total_3, total_4])

貌似和预想的还有点不一样，别急，按索引排个序再看看

pd.concat([total_1, total_2, total_3, total_4]).sort_index()

一步步的理解了就可以把他们写在一起了

df = pd.concat(
    [df.assign(**{x: 'Total' for x in 'abc'[i:]})
     .groupby(by=list('abc')).agg('sum') for i in range(4)]
).sort_index()
df

结果展示和分布最终一样！大功告成

🐄🍺🐄🍺🐄🍺🐄🍺🐄🍺🐄🍺