关于excel数据透视表的数据填充

1.0: 关于excel数据透视表的数据填充

1.1: 前言

参加某某比赛时，遇到比较复杂的数据填充，当时由于时间限制，加之对excel数据透视表格式的不理解，在比赛中使用了非常笨的方式去填充，在之后写比赛总结时，发现了可以更快速地进行填充，因此写下此文章进行记录。

2.0: 过程

2.1: 数据、任务介绍

该数据是使用excel聚合得到的数据透视表，我们可以看到其中有空缺值。我们需要根据他这一整年，四个季度中没有空缺的值求和取平均，去填充空缺值。但是excel对于这种复杂的操作没有可行的办法，因此使用python，进行数据处理。

由于python无法直接导入excel的数据透视表，因此我们将该数据透视表中删去无关列，得到最终的数据，再使用pd.read_clipboard()函数将其导入，删去无关列后的数据如下:

2.2: 具体过程

2.2.1: 导入数据

frame = pd.read_clipboard(header= None)
frame.head(5)       # 输出前五条数据

                                  0        1      2        3      4        5       6   ...      26       27      28       29      30       31     32
0                            Algeria  1292.01 -21.80      NaN    NaN   723.41   36.17  ...   13.51   876.49  -26.29   245.20   -4.90   651.66 -32.58
1                             Angola    93.20   7.46   688.25  68.83   670.01   47.53  ...   41.41   398.18  -19.91   366.34    0.00   878.19  61.47
2                              Benin  1282.29  88.48  2412.11  48.40   739.48   -7.39  ...   30.48  2432.26  -81.39   657.94  -38.64   830.33  -8.30
3                           Botswana   660.12   0.00   953.86  95.39   874.66   78.72  ...  -23.70      NaN     NaN  1154.90  -24.69      NaN    NaN
4                       Burkina Faso  1101.36  30.66      NaN    NaN   745.22  -29.81  ...  -63.30      NaN     NaN   642.20  -18.00      NaN    NaN

这里需要注意的是read_clipboard使用了header= None，表示第一行不是表的列索引，他为我们默认的添加上了从0开始的列索引。

2.2.2: 创建多层索引

# 根据数据透视表，创建多层索引
col = pd.MultiIndex.from_arrays([['2017', '2017', '2017', '2017', '2017', '2017', '2017', '2017',
                            '2018', '2018', '2018', '2018', '2018', '2018','2018','2018&