如下所示：
| date | 20170307 | 20170308 |
| iphone4 | 2 | 0 |
| iphone5 | 2 | 1 |
| iphone6 | 0 | 1 |
先生成DF数据。
|
1
2
3
4
5
|
>>> df = pd.DataFrame.from_dict([['ip4','20170307',1],['ip4','20170307',1],['ip5','20170307',1],['ip5','20170307',1],['ip6','20170308',1],['ip5','20170308',1]])>>> df.columns=['type','date','num']>>>df |
|
1
2
3
4
5
6
7
|
type date num0 ip4 20170307 11 ip4 20170307 12 ip5 20170307 13 ip5 20170307 14 ip6 20170308 15 ip5 20170308 1 |
|
1
|
>>> pd.pivot_table(df,values='num',rows=['type'],cols=['date'],aggfunc=np.sum).fillna(0) |
操作一下就是实现结果。
注：这个函数的参数形式在0.13.x版本里有效，其他版本请参考相应文档。
从0.14.0开始，参数形式升级成pd.pivot_table(df,values='num',index=['type'],columns=['date'],aggfunc=np.sum).fillna(0)
以上这篇pandas pivot_table() 按日期分多列数据的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/uvyoaa/article/details/62430400
