pandas pivot_table 透视结果重排序与列层级重构实现
多级透视表结构调整方案
pandas默认生成的透视表多级列,会将传入的values参数对应字段放在列的顶层,columns参数对应字段放在列的次层,和需要的月份在上、指标在下的层级结构刚好反过来;同时默认会对指标列按字母序自动排列,出现%growth排在最前、base居中、sales最后的顺序,不符合要求,可通过以下三步调整实现目标效果:
- 完成基础透视计算后,调用
swaplevel方法互换多级列的层级位置,把月份从次层切换到顶层:pivot_result.columns = pivot_result.columns.swaplevel(0, 1) - 自定义每个月份下属的指标排列顺序,替换默认的字母排序逻辑:
先定义指标的优先级顺序列表metric_order = ['sales', 'base', '%growth'],再基于这个顺序对互换层级后的列做重排——因为互换层级后,指标值位于列的第2层(level=1),通过reindex方法按指定顺序对齐即可:pivot_result = pivot_result.reindex(columns=pivot_result.columns.reindex(metric_order, level=1)[0]) - 提前将
month_year字段转为数值类型,保证月份按时间顺序升序排布,避免字符串排序带来的顺序混乱:
可在透视计算前添加data['month_year'] = data['month_year'].astype(int)
完整可运行代码
import pandas as pd # 读取/加载原始数据 data = pd.DataFrame({ 'region': ['X', 'X', 'X', 'X'], 'headquarter': ['Los Angeles', 'Florida City', 'Los Angeles', 'Florida City'], 'sales': [1000, 2000, 5000, 4000], 'base': [2000, 2000, 6000, 4500], '%growth': [30, 20, 70, 45], 'month_year': [202101, 202101, 202001, 202001] }) # 基础透视计算 pivot_result = data.pivot_table( columns=['month_year'], values=['sales', 'base', '%growth'], index=['region', 'headquarter'] ) # 互换列层级,将月份切换为顶层列 pivot_result.columns = pivot_result.columns.swaplevel(0, 1) # 按指定顺序重排每个月份下的指标列 metric_order = ['sales', 'base', '%growth'] pivot_result = pivot_result.reindex( columns=pivot_result.columns.reindex(metric_order, level=1)[0] ) print(pivot_result)
效果说明
运行上述代码后,输出的透视表列结构为:顶层为按时间排序的月份值,每个月份下依次排列sales、base、%growth三个指标,行标签按照region、headquarter的层级正常展示,和要求的预期输出结构完全匹配。
补充提示:如果需要优化显示效果,可通过
pd.set_option('display.multi_sparse', True)设置,让相邻同值的顶层月份列自动合并,减少重复标签,提升可读性。
内容的提问来源于stack exchange,提问作者astroboy1
相关产品推荐
相关产品推荐

