2022/5/23 python pivot_table多层索引转成单层索引的方法

本文介绍了如何使用Python的pandas库中的pivot_table函数创建数据透视表,对Cantonward_sale1数据进行城市、行政区、品牌和药品名称的多维度汇总,包括销售额和月售数据,并重置索引以便更好地理解数据。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

标题1、使用pivot_table函数,建立数据透视表

Cantonward_sale1 = data.pivot_table([‘销售额’, ‘月售’, ‘记录行’],index = [‘城市’,‘行政区’,‘品牌’,‘药品名称’],aggfunc= np.sum)
Cantonward_sale1.rename(columns={“记录行”:“上架数”,“月售”:“销售量”},inplace=True)
Cantonward_sale1
在这里插入图片描述

标题重置索引即可解决

Cantonward_sale1.reset_index(inplace=True)
在这里插入图片描述

经度 纬度 高程 日期 时间 PWV(mm) 温度(℃) 湿度(%) 气压(hPa) 水汽压 湿折射率 小时降雨量(mm) 116.5279384 39.85244748 87.489 2024-08-12 1:00:00 49.764431 30.38 61.04 99130 26.4958 114.25 0 116.5279384 39.85244748 87.489 2024-08-12 2:00:00 49.736067 31.44 59.42 99170 27.3986 117.343 0 116.5279384 39.85244748 87.489 2024-08-12 3:00:00 49.671329 30.09 63.14 99180 26.9559 116.451 0 116.5279384 39.85244748 87.489 2024-08-12 4:00:00 49.798781 31.01 61.52 99200 27.6819 118.883 0 116.5279384 39.85244748 87.489 2024-08-12 5:00:00 49.427338 31.46 60.09 99180 27.739 118.786 0 116.5279384 39.85244748 87.489 2024-08-12 6:00:00 48.944255 31.76 57.78 99190 27.1302 115.955 0 116.5279384 39.85244748 87.489 2024-08-12 7:00:00 48.210558 31.25 62.23 99200 28.3863 121.721 0 116.5279384 39.85244748 87.489 2024-08-12 8:00:00 48.531075 32.07 55.1 99250 26.3294 112.31 0 116.5279384 39.85244748 87.489 2024-08-12 9:00:00 47.353073 30.69 61.02 99310 26.9605 116.023 0 116.5279384 39.85244748 87.489 2024-08-12 10:00:00 47.838974 29.41 67.7 99370 27.7947 120.602 0 116.5279384 39.85244748 87.489 2024-08-12 11:00:00 49.338809 27.66 76.25 99460 28.283 124.117 0 116.5279384 39.85244748 87.489 2024-08-12 12:00:00 49.590511 26.83 80.49 99580 28.4389 125.476 0 116.5279384 39.85244748 87.489 2024-08-12 13:00:00 49.533455 26.76 79.78 99660 28.0723 123.915 0 116.5279384 39.85244748 87.489 2024-08-12 14:00:00 49.957019 26.55 78.5 99700 27.2827 120.594 0 116.5279384 39.85244748 87.489 2024-08-12 15:00:00 48.53558 26.26 81.83 99720 27.958 123.813 0 116.5279384 39.85244748 87.489 2024-08-12 16:00:00 48.69868 25.86 80.96 99760 27.0144 119.947 0 116.5279384 39.85244748 87.489 2024-08-12 17:00:00 50.5339 25.04 89.55 99760 28.4606 127.047 0 116.5279384 39.85244748 87.489 2024-08-12 18:00:00 49.518931 24.76 89.87 99810 28.0894 125.62 0 现在有一个csv文件,文件组织格式如上,第一行是表头,往后每一行是一个时间点,第一列是经度,第二列是维度,后面是该点上的一些属性值,往下行读取全部数据,当经纬度跟上面不一样的时候,便是第二个点了,有重新开始每个时间点,现在要将csv文件读取到python中data_scaled中里面,data_scaled的组织格式是,如果是三个点的话,就是第一列是第一个点的维度、第二列是第二个点的维度、第三列是第三个点的维度、第四列是第一个点的经度、第五列是第二个点的经度、第六列是第 三个点的经度、第七列是第一个点的PWV,第八列是第二个点的PWV,第九列是第三个点的PWV,依次往后。每一行代表不同时间点。现在要将csv表中的PWV(mm) 温度(℃) 湿度(%) 气压(hPa) 水汽压 湿折射率 小时降雨量(mm)作为每个点属性值,现在编写python导出data_scaled文件
最新发布
03-14
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值