主页 / coding / 问题 / 79078703
Accepted
iBeMeltin
Asked: 2024-10-11 22:45:12 +0800 CST

在转换为报告实验室之前对数据框中的列进行排序

  • 772

我正在使用基于多个 pandas 数据框的报告实验室创建一份 pdf 报告。

pdf 中显示的表格需要按特定顺序排列列。

这是一个示例数据框：

df = pd.DataFrame({
        'Counterparty': ['foo', 'fizz', 'fizz', 'fizz','fizz', 'foo'],
        'Commodity': ['bar', 'bar', 'bar', 'bar','bar', 'ab cred'],
        'DealType': ['Buy', 'Buy', 'Buy', 'Buy', 'Buy', 'Buy'],
        'StartDate': ['07/01/2024', '09/01/2024', '10/01/2024', '11/01/2024', '12/01/2024', '01/01/2025'],
        'FloatPrice': [18.73, 17.12, 17.76, 18.72, 19.47, 20.26],
        'MTMValue':[10, 10, 10, 10, 10, 10]
        })

out = pd.pivot_table(df, values = 'MTMValue', index='Counterparty', columns = 'Commodity', aggfunc='sum').reset_index().rename_axis(None, axis=1).fillna(0)
out['Cumulative Exposure'] = out[out.columns[1:]].sum(axis = 1)

 Counterparty  ab cred   bar  Cumulative Exposure
0         fizz      0.0  40.0                 40.0
1          foo     10.0  10.0                 20.0

我需要这个：

Counterparty      bar   ab cred  Cumulative Exposure
0         fizz     40.0  0.0                 40.0
1          foo     10.0  10.0                 20.0

其中ab cred总是位于cumulative exposure最后一个 之前和之后commodity，因为可以x向数据中添加一定数量的商品（总是包含在商品中）。 之后还可以随时ab cred添加更多列。cumulative exposure

python

2 个回答

  1. Best Answer

    一个简单的选择就是pop重新插入，ab cred以便它最后出现：

    out = (pd.pivot_table(df, values='MTMValue', index='Counterparty',
                      columns='Commodity', aggfunc='sum')
         .assign(**{'ab cred': lambda x: x.pop('ab cred')})
         .reset_index().rename_axis(None, axis=1).fillna(0)
      )

    另一个选择是sort_index使用自定义键：

    out = (pd.pivot_table(df, values='MTMValue', index='Counterparty',
                      columns='Commodity', aggfunc='sum')
         .sort_index(axis=1, key=lambda x: x == 'ab cred', kind='stable')
         .reset_index().rename_axis(None, axis=1).fillna(0)
      )

    当然，如果您知道所需的明确顺序，您可以随时重新索引（同时请注意，您可以避免fillna稍后分配该Cumulative Exposure列）：

    order = ['bar', 'ab cred']

out = (pd.pivot_table(df, values='MTMValue', index='Counterparty',
                      columns='Commodity', aggfunc='sum', fill_value=0)
         .reindex(columns=order)
         .assign(**{'Cumulative Exposure': lambda x: x.sum(axis=1)})
         .reset_index().rename_axis(None, axis=1)
      )

    输出：

      Counterparty   bar  ab cred  Cumulative Exposure
0         fizz  40.0      0.0                 40.0
1          foo  10.0     10.0                 20.0
    • 1

  2. 您还可以尝试使用groupby、sum和unstack来产生与数据透视表相同的效果。不确定哪个更快。要设置特定顺序，您可以按所需顺序指定列。

    以下是简短的一行代码：

    out = df.groupby(['Counterparty', 'Commodity'])['MTMValue'].sum().unstack().rename_axis(None, axis=1).fillna(0)[['bar', 'ab cred']].assign(**{'Cumulative Exposure': lambda x: x.sum(axis=1)}).reset_index()

    出去：

      Counterparty   bar  ab cred  Cumulative Exposure
0         fizz  40.0      0.0                 40.0
1          foo  10.0     10.0                 20.0
    • 0

相关问题