Python 如何筛选后透视

冰菲 · 发表于 4 小时前

马上注册，结交更多好友，享用更多功能^_^

您需要登录才可以下载或查看，没有账号？立即注册

x

import pandas as pd
data=pd.read_excel('时间序列.xlsx')
data.head()
日期业态产品推广平台城市展现量点击量消费返点推广方式
0 2020-04-25 互联网网站建设神马搜索杭州 10.0 1.0 9.45 0.35 网运
1 2020-04-25 互联网网站建设神马搜索长沙 7.0 0.0 0.00 0.35 网运
2 2020-04-25 互联网微信业务搜狗搜索杭州 6.0 1.0 1.26 0.35 网运
3 2020-04-25 互联网微信业务神马搜索杭州 15.0 1.0 7.27 0.35 网运
4 2020-04-25 互联网微信业务神马搜索长沙 5.0 1.0 14.9 0.35 网运

先先帅城市属于长沙的，然后透视消费和返点合计

FishC · 发表于 4 小时前

Python 如何筛选后透视：先筛选城市属于长沙的，然后透视消费和返点合计

首先，使用 pandas 筛选出城市为“长沙”的数据，然后通过 pivot_table 函数对消费和返点进行合计（求和）。以下是一个示例代码，假设按“日期”分组透视：

import pandas as pd
# 读取 Excel 文件
data = pd.read_excel('时间序列.xlsx')
# 筛选城市为长沙的数据
filtered_data = data[data['城市'] == '长沙']
# 透视：按日期分组，对消费和返点求和
pivot_result = pd.pivot_table(filtered_data,
values=['消费', '返点'],
index='日期',
aggfunc='sum')
# 打印结果
print(pivot_result)

复制代码

如果希望按其他列分组（例如“产品”或“推广平台”），可以修改 index 参数。例如，按“产品”分组：

pivot_result = pd.pivot_table(filtered_data,
values=['消费', '返点'],
index='产品',
aggfunc='sum')

复制代码

或者按多列分组（例如“日期”和“产品”）：

pivot_result = pd.pivot_table(filtered_data,
values=['消费', '返点'],
index=['日期', '产品'],
aggfunc='sum')

复制代码

这样就能得到筛选后消费和返点的合计透视表。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

冰菲 · 发表于 3 小时前

如果很多城市，就不帅选长沙，代码怎么写

FishC · 发表于 3 小时前

冰菲发表于 2026-01-27 10:16
如果很多城市，就不帅选长沙，代码怎么写

你可以写一个通用的函数，根据条件决定是否筛选。以下是一种实现方式：

import pandas as pd
# 读取数据
data = pd.read_excel('时间序列.xlsx')
# 获取城市列表
city_list = data['城市'].unique()
# 如果城市数量少，筛选长沙；如果城市多，不筛选
if len(city_list) <= 5: # 这里假设5个城市为阈值，可调整
filtered_data = data[data['城市'] == '长沙']
print(f"城市较少（{len(city_list)}个），已筛选长沙数据")
else:
filtered_data = data
print(f"城市较多（{len(city_list)}个），使用全部数据")
# 透视：按日期分组，对消费和返点求和
pivot_result = pd.pivot_table(filtered_data,
values=['消费', '返点'],
index='日期',
aggfunc='sum')
print(pivot_result)

复制代码

或者，如果你想要手动控制是否筛选，可以使用一个标志变量：

import pandas as pd
# 读取数据
data = pd.read_excel('时间序列.xlsx')
# 设置是否筛选的标志
should_filter = False # 设为True则筛选长沙，False则不筛选
if should_filter:
filtered_data = data[data['城市'] == '长沙']
print("已筛选长沙数据")
else:
filtered_data = data
print("使用全部数据")
# 透视：按日期分组，对消费和返点求和
pivot_result = pd.pivot_table(filtered_data,
values=['消费', '返点'],
index='日期',
aggfunc='sum')
print(pivot_result)

复制代码

还有一种更灵活的方式是使用函数参数控制：

import pandas as pd
def pivot_data(filter_city=None):
# 读取数据
data = pd.read_excel('时间序列.xlsx')
# 根据参数决定是否筛选
if filter_city:
data = data[data['城市'] == filter_city]
print(f"已筛选{filter_city}的数据")
# 透视
pivot_result = pd.pivot_table(data,
values=['消费', '返点'],
index='日期',
aggfunc='sum')
return pivot_result
# 使用示例
# 不筛选任何城市
result_all = pivot_data()
print(result_all)
# 筛选长沙
result_changsha = pivot_data(filter_city='长沙')
print(result_changsha)

复制代码

这些方法都可以让你灵活地控制是否筛选特定城市，根据实际需求选择最适合的方案。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

冰菲 · 发表于 3 小时前

字段没有规律，只想不筛选长沙，其他很多是城市和省份，不规律

FishC · 发表于 3 小时前

冰菲发表于 2026-01-27 10:19
字段没有规律，只想不筛选长沙，其他很多是城市和省份 ...

针对这种情况，我们可以调整代码逻辑，根据具体需求来处理筛选问题。以下是几种常见场景的解决方案：

方案1：如果需要筛选长沙以外的数据

import pandas as pd
# 读取数据
data = pd.read_excel('时间序列.xlsx')
# 筛选出不是长沙的数据
filtered_data = data[data['城市'] != '长沙']
# 透视：按日期分组，对消费和返点求和
pivot_result = pd.pivot_table(filtered_data,
values=['消费', '返点'],
index='日期',
aggfunc='sum')
# 打印结果
print(pivot_result)

复制代码

方案2：如果想对所有城市数据进行透视

import pandas as pd
# 读取数据
data = pd.read_excel('时间序列.xlsx')
# 直接透视，不进行城市筛选
pivot_result = pd.pivot_table(data,
values=['消费', '返点'],
index='日期',
aggfunc='sum')
# 打印结果
print(pivot_result)

复制代码

方案3：如果想按城市分组查看消费和返点合计

import pandas as pd
# 读取数据
data = pd.read_excel('时间序列.xlsx')
# 按城市分组透视
pivot_result = pd.pivot_table(data,
values=['消费', '返点'],
index='城市',
aggfunc='sum')
# 打印结果
print(pivot_result)

复制代码

方案4：如果想同时按多个维度透视

import pandas as pd
# 读取数据
data = pd.read_excel('时间序列.xlsx')
# 按日期和城市两个维度透视
pivot_result = pd.pivot_table(data,
values=['消费', '返点'],
index=['日期', '城市'],
aggfunc='sum')
# 打印结果
print(pivot_result)

复制代码

方案5：如果只想看某个特定城市的透视结果

import pandas as pd
# 读取数据
data = pd.read_excel('时间序列.xlsx')
# 获取所有城市列表
city_list = data['城市'].unique()
# 查看有哪些城市
print("可用城市:", city_list)
# 让用户选择要透视的城市
selected_city = input("请输入要透视的城市名称: ")
# 筛选选定城市的数据
filtered_data = data[data['城市'] == selected_city]
# 透视
pivot_result = pd.pivot_table(filtered_data,
values=['消费', '返点'],
index='日期',
aggfunc='sum')
print(f"{selected_city}的消费和返点合计:")
print(pivot_result)

复制代码

你可以根据实际需求选择适合的方案。如果你有特定需求，可以进一步描述问题，我会提供更精准的解决方案。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

冰菲 · 发表于 2 小时前

Length mismatch: Expected axis has 1 elements, new values have 4 elements
报错了，什么意思

FishC · 发表于 2 小时前

冰菲发表于 2026-01-27 12:01
Length mismatch: Expected axis has 1 elements, new ...

这个错误通常发生在给 DataFrame 的列或索引赋值时，新值的数量与原有数量不匹配。让我分析几个可能的原因和解决方案：

常见原因：

尝试给 DataFrame 赋值时，值的数量与索引或列数不匹配
重命名列或索引时，提供的名称数量与原有数量不一致
使用 assign() 方法时，列数不匹配

解决方案：

1. 检查列名赋值：

# 错误示例：原DataFrame有1列，尝试赋4列值
df.columns = ['新列1', '新列2', '新列3', '新列4'] # 如果df只有1列，就会报错
# 正确做法：先检查列数
print("原DataFrame列数:", len(df.columns))
print("原列名:", df.columns.tolist())

复制代码

2. 检查筛选后的数据透视：

import pandas as pd
# 读取数据
data = pd.read_excel('时间序列.xlsx')
# 先检查筛选后的数据
filtered_data = data[data['城市'] != '长沙']
# 检查筛选结果是否为空
print("筛选后数据行数:", len(filtered_data))
print("筛选后数据列数:", len(filtered_data.columns))
# 确保values中的列名存在
required_columns = ['消费', '返点']
for col in required_columns:
if col not in filtered_data.columns:
print(f"警告: 列 '{col}' 不存在！")
# 然后进行透视
if len(filtered_data) > 0:
try:
pivot_result = filtered_data.pivot_table(
values=required_columns,
index='日期',
aggfunc='sum'
)
print(pivot_result)
except Exception as e:
print("透视出错:", e)
else:
print("筛选后数据为空！")

复制代码

3. 检查多级索引问题：

# 如果使用多级索引，确保层次正确
print("索引层次:", filtered_data.index.nlevels)
print("列层次:", filtered_data.columns.nlevels)
# 重置索引可能有助于解决问题
filtered_data_reset = filtered_data.reset_index()
# 然后再尝试透视
pivot_result = filtered_data_reset.pivot_table(
values=['消费', '返点'],
index='日期',
aggfunc='sum'
)

复制代码

4. 检查数据列类型：

# 查看数据类型
print("数据类型:")
print(filtered_data.dtypes)
# 确保透视所需的列是数值型
if filtered_data['消费'].dtype not in ['int64', 'float64']:
print("消费列不是数值类型，尝试转换...")
filtered_data['消费'] = pd.to_numeric(filtered_data['消费'], errors='coerce')
if filtered_data['返点'].dtype not in ['int64', 'float64']:
print("返点列不是数值类型，尝试转换...")
filtered_data['返点'] = pd.to_numeric(filtered_data['返点'], errors='coerce')

复制代码

5. 使用更安全的透视方式：

# 方法1：使用groupby替代pivot_table
pivot_result = filtered_data.groupby('日期')[['消费', '返点']].sum()
print("使用groupby的结果:")
print(pivot_result)
# 方法2：使用crosstab
pivot_result = pd.crosstab(
index=filtered_data['日期'],
columns=['消费合计', '返点合计'],
values=[filtered_data['消费'], filtered_data['返点']],
aggfunc='sum'
)

复制代码

6. 调试步骤：

# 逐步调试，找出问题所在
print("=== 调试信息 ===")
print("1. 原始数据形状:", data.shape)
print("2. 原始数据列名:", data.columns.tolist())
print("3. 筛选条件生效的行数:", sum(data['城市'] != '长沙'))
print("4. 筛选后数据形状:", filtered_data.shape)
print("5. 筛选后数据前5行:")
print(filtered_data.head())
print("6. 日期列的唯一值数量:", filtered_data['日期'].nunique())
print("7. 消费列是否有缺失值:", filtered_data['消费'].isnull().sum())
print("8. 返点列是否有缺失值:", filtered_data['返点'].isnull().sum())

复制代码

建议：

先运行调试步骤，查看输出结果，这能帮助你定位具体是哪个环节出了问题。最常见的错误原因是：
1. 筛选后数据为空
2. 列名不存在或拼写错误
3. 数据类型不匹配

请分享调试步骤的输出结果，我可以帮你进一步分析具体问题。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

账号		自动登录	找回密码
密码			立即注册