Python pandas透视表问题：按客户分组汇总文件组数据失败

原代码与问题 #

用户期望按CustomerName分组，汇总不同FileGroup的大小数据，但原透视表代码未生效：

def consolidated_df():
    df = breakdown_df()
    df.pivot_table(index='CustomerName', columns='FileGroup', aggfunc="sum")
    return df

原始DataFrame结构：

ID    CustomerName    FileGroup    Size        Size(Bytes)
1     CustomerA       Database     99.8 M      104667648
1     CustomerA       Database     99.8 M      104667648
1     CustomerA       Backup       99.8 M      104667648
1     CustomerA       Backup       99.8 M      104667648
1     CustomerA       Site         99.8 M      104667648
1     CustomerA       Site         99.8 M      104667648
2     CustomerB       Database     99.8 M      104667648
2     CustomerB       Database     99.8 M      104667648
2     CustomerB       Backup       99.8 M      104667648
2     CustomerB       Backup       99.8 M      104667648
2     CustomerB       Site         99.8 M      104667648
2     CustomerB       Site         99.8 M      104667648

期望输出格式：

ID    CustomerName    DatabaseSize    DatabaseSizeBytes    BackupSize     BackupSizeBytes     SiteSize            SiteSizeBytes         TotalSize
1     CustomerA       [Total Size]    [Total Size Bytes]   [TotalSize]    [Total Size Bytes]  [Total Site Size]   [Total Site Bytes]   [Total Bytes for everything]
2     CustomerB       [Total Size]    [Total Size Bytes]   [TotalSize]    [Total Size Bytes]  [Total Site Size]   [Total Site Bytes]   [Total Bytes for everything]

问题分析 #

1. 未接收透视表结果：原代码调用pivot_table后没有将结果赋值给df，直接返回原始数据，导致透视表操作无效。
2. 多级列处理：默认pivot_table会生成多级列（如(Size(Bytes), Database)），需要扁平化列名以匹配期望格式。
3. ID字段合并：原始数据中同一CustomerName对应相同ID，需要保留该字段。
4. TotalSize计算：需要汇总所有FileGroup的字节数得到总大小。

修正代码 #

def consolidated_df():
    df = breakdown_df()
    
    # 生成透视表，对Size(Bytes)求和，保留CustomerName和ID
    pivot_df = df.pivot_table(
        index=['CustomerName', 'ID'],
        columns='FileGroup',
        values='Size(Bytes)',
        aggfunc='sum'
    ).reset_index()
    
    # 扁平化列名，重命名为目标格式
    pivot_df.columns = ['CustomerName', 'ID', 'DatabaseSizeBytes', 'BackupSizeBytes', 'SiteSizeBytes']
    
    # 计算总字节数
    pivot_df['TotalSize'] = pivot_df[['DatabaseSizeBytes', 'BackupSizeBytes', 'SiteSizeBytes']].sum(axis=1)
    
    # 将字节数转换为易读的Size格式（如MB）
    def bytes_to_human(size):
        return f"{size / (1024**2):.1f} M"
    
    pivot_df['DatabaseSize'] = pivot_df['DatabaseSizeBytes'].apply(bytes_to_human)
    pivot_df['BackupSize'] = pivot_df['BackupSizeBytes'].apply(bytes_to_human)
    pivot_df['SiteSize'] = pivot_df['SiteSizeBytes'].apply(bytes_to_human)
    
    # 调整列顺序匹配期望格式
    final_cols = [
        'ID', 'CustomerName', 'DatabaseSize', 'DatabaseSizeBytes',
        'BackupSize', 'BackupSizeBytes', 'SiteSize', 'SiteSizeBytes',
        'TotalSize'
    ]
    pivot_df = pivot_df[final_cols]
    
    return pivot_df

代码说明 #

• 透视表指定index包含CustomerName和ID，确保每个客户的ID被保留。
• 重命名列名时直接映射到目标格式，避免多级列的混乱。
• 通过字节数计算易读的Size字段，避免直接求和字符串类型的Size列。
• 最后调整列顺序，完全匹配期望的输出结构。

内容的提问来源于stack exchange，提问作者uncrayon