2020年周数和日期对应表_【python】将文本格式转为日期格式、新增年月字段及透视表多重索引处理问题...

上次在用python中的pandas库进行透视表之后，因为索引和列名都存在多重索引的问题，这个问题作为了遗留问题。

今天才查询1元版的用户新增的时候，又用到了透视表，本想耐着性子看看pandas的用户手册，结果发现自己太高估了自己，只有带着问题去学东西，才是最快的。

将今天撸的代码先贴这儿复习下：

import pandas as pd

import numpy as np

df=pd.read_csv(r'E:\工作计划\周例会数据分享\2020.6.19\1元版活激活数据.csv',sep=',')df2=pd.read_csv(r'E:\工作计划\周例会数据分享\2020.6.19\组织及活动对应单日新增用户.csv',sep=',')df2.sum()有点意思，结果截图如下： df2.sum(axis=0)，这个结果页好玩，对每个字段都求和，依稀觉得和上面的没啥区别了。

df2.cumsum()，这个效果我觉得是来搞笑的：

df2.describe()这个结果看着也蛮友好的：

sum(df2['用户数'])嗯，这个是想看共有多少用户。df3=df2.pivot_table(index=['欢乐返类型'],columns=['实体组织'],values=['用户数'],aggfunc=[np.sum])：生成透视表df4=df2.pivot_table(index=['欢乐返类型','实体组织'],values=['用户数'],aggfunc=[np.sum])：另一个透视表 dftt=df4.unstack()：将多重索引转为单索引 dfzz=df3.reset_index(level=None,drop=False,inplace=False,col_level=0,col_fill='')：将多重索引转为单索引的另一种方法，会在原有结果基础上新增一列索引dftt.columns=dftt.columns.get_level_values(0)：列名为三个元素的数组，这里将首行的列名赋值为列名 dftt.columns=['盛POS用户量','超级盛POS用户量']：重命名，第一个为索引，不能重命名 上次的遗留问题，在此已解决完了，虽然没弄懂，但是问题已经解决了。这简直就是：只要百度用的好，学习没烦恼。 现在来看另一问题： 导入的数据的日期格式为文本格式，如果要看每个月的数据，透视的结果是满足不了要求的。 ①将文本格式转为日期格式：df2['date']=pd.to_datetime(df2['商户注册时间'])，这个函数似曾相识有木有，就是神策里面也有这个函数来的，在将时间戳转为日期格式之后，这个函数直接转为日期的格式。 ②新增年和月字段，因为这个数据没有涉及到跨年，所以只要月份这个字段就可以了：df2['month']=df2.date.dt.month。

恩，忙乎了大半天，其实总结的笔记就这么点，大部分时间都在报错和纠错还有百度。

对用户数进行求和：sum(df2['用户数'])

查看各字段的属性：df2.dtypes

查看数据集的属性：type(df2)

新增一列将文本格式转为日期格式：df2['date']=pd.to_datetime(df2['商户注册时间'])

将日期中的年月进行提取并新增字段：df2['year']=df2.date.dt.year,df2['month']=df2.date.dt.month

将透视表的多重索引进行重新设置：dfzz=df3.reset_index(level=None,drop=False,inplace=False,col_level=0,col_fill='')

将多重列名仅取首行值进行重命名：df3.columns=df3.columns.get_level_values(0)

重命名列名：dfzz.columns=['activity_type_no','盛POS用户','超级盛POS用户']

今日偶得：在不停的实践中，才能记住知识点并解决问题。