Pandas调整表格结构实现数据透视及求和后取对数问题

你的原有写法报错的核心原因是aggfunc=math.log(np.sum)的逻辑错误：该写法会直接对np.sum这个函数对象执行对数计算，而非先对分组数据求和再对结果取对数，自然无法运行。
推荐按以下两种方式实现： #

方案1：先聚合再统一取对数（性能更优，推荐优先使用） #

先完成基础的透视求和，再对整张透视表的所有值批量计算常用对数：

import pandas as pd
import numpy as np

# df为你的原始数据表
pivot_sum = pd.pivot_table(
    df,
    index="Year",
    columns="Company",
    values="Number",
    aggfunc="sum"
)
# 取常用对数，若存在求和为0的场景，可加极小值避免报错：np.log10(pivot_sum + 1e-8)
pivot_log = np.log10(pivot_sum)

方案2：自定义聚合函数一步完成 #

如果需要在透视时直接完成计算，可自定义聚合规则传入aggfunc：

import pandas as pd
import numpy as np

def sum_then_log10(group_values):
    return np.log10(group_values.sum())

pivot_log = pd.pivot_table(
    df,
    index="Year",
    columns="Company",
    values="Number",
    aggfunc=sum_then_log10
)

注意事项 #

• 常用对数计算请使用np.log10，math.log默认计算自然对数，且不支持批量处理数组类型的结果
• 若分组求和结果可能为0，可在取对数前给求和结果加一个极小偏移值（如1e-8），避免出现负无穷的异常值

内容的提问来源于stack exchange，提问作者hans