在数据透视表中为不同列的行创建小计


问题内容

我正在使用Pandas创建数据透视表,但卡在不同列(相同值下)中的行的小计一段时间了,我对stackoverflow进行了一些研究,例如Pandas
Pivot表行小计
和此Pandas数据小计表索引和列(实际上这是一个接近但与我的情况有些不同的表),但是没有找到适合我的情况的提示,所以请关注这个主题,谢谢。

在这里,我将提供我的情况和为获取数据透视表而编写的代码的简化DataFrame(原始数据框太大,无法在此处显示,因此它们的值确实无关紧要,格式是我想要的格式)。

import pandas as pd
import numpy as np
df = pd.DataFrame(
{
    'Co':['NN']*6,
    'Op':['A','B']*3,
    'Stk':[1.1,1.2,1.3]*2,
    'Tm':['07-01-2018','08-01-2018','09-01-2018']*2,
    'Qt':[100,200,300]*2
}
)
df

df输出看起来像:

Co  Op  Qt  Stk Tm
0   NN  A   100 1.1 07-01-2018
1   NN  B   200 1.2 08-01-2018
2   NN  A   300 1.3 09-01-2018
3   NN  B   100 1.1 07-01-2018
4   NN  A   200 1.2 08-01-2018
5   NN  B   300 1.3 09-01-2018

然后我通过以下方式将df上方转换为我的数据透视表:

df['Qt'] = df['Qt'].apply(pd.to_numeric)
df['Stk']=df['Stk'].apply(pd.to_numeric)
df['Co'] = df['Co'].astype(str)
tb=pd.pivot_table(df,index=["Tm"],columns=["Co","Op","Stk"],aggfunc=np.sum,values=['Qt'], fill_value=0, margins=True, margins_name='All')
tb

生成的数据透视表如下所示:

            Qt
Co          NN                              All
Op          A              B    
Stk         1.1  1.2  1.3  1.1  1.2  1.3    
        Tm                          
07-01-2018  100  0    0    100  0    0      200
08-01-2018  0    200  0    0    200  0      400
09-01-2018  0    0    300  0    0    300    600
       All  100  200  300  100  200  300    1200

我真正期望的格式是:

            Qt
Co          NN                                                All
Op          A              ATotal   B               BTotal
Stk         1.1  1.2  1.3           1.1  1.2  1.3   
        Tm                          
07-01-2018  100  0    0    100      100  0    0     100       200
08-01-2018  0    200  0    200      0    200  0     200       400
09-01-2018  0    0    300  300      0    0    300   300       600
       All  100  200  300  600      100  200  300   600       1200

我曾尝试过一段时间创建这种完全相同的格式,但仍然无法获得相同的格式(我尝试过类似创建两个单独的A和B数据透视表并将它们合并在一起的操作,但那样会使All
margin变得混乱)。因此,这里确实需要帮助。ps我还是stackoverflow社区的新手,所以如果我的问题缺少某些方面,请原谅,谢谢。


问题答案:

pivot_table 不支持它,但是您可以自己计算并在以后将其连接:

tb.groupby(level='Op', axis=1).sum().add_suffix('Total')

Op          Total  ATotal  BTotal
Tm                               
07-01-2018    200     100     100
08-01-2018    400     200     200
09-01-2018    600     300     300
All          1200     600     600