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

Ordenar colunas no dataframe antes de converter para relatório de laboratório

  • 772

Estou criando um relatório em PDF usando o Report Lab com base em vários dataframes do Pandas.

As tabelas exibidas no PDF precisam ter duas colunas em uma ordem específica.

aqui está um exemplo de dataframe:

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

Eu preciso disto:

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

onde ab credsempre estará antes cumulative exposuree depois do último commodity, já que pode haver xquantidade de commodities adicionadas aos dados ( ab credé sempre incluído como uma commodity). Mais colunas também podem ser adicionadas depois cumulative exposurea qualquer momento.

python

2 respostas

  1. Best Answer

    Uma opção fácil seria popreinserir ab credpara que fique por último:

    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)
      )

    Outra opção seria sort_indexusar uma chave personalizada:

    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)
      )

    E, claro, se você souber a ordem explícita desejada, você sempre poderá reindexar (e também observar que você pode evitar a fillnaatribuição posterior da Cumulative Exposurecoluna):

    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)
      )

    Saída:

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

  2. Você também pode tentar usar groupby, sum, e unstackpara produzir o mesmo efeito que a tabela dinâmica. Não tenho certeza de qual é mais rápido. Para definir uma ordem específica, você pode especificar as colunas na ordem desejada.

    Aqui vai uma breve frase:

    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()

    Fora:

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

relate perguntas