Python实现数据小计与总计：请求协助修正输出格式

我来帮你搞定这个需求！你当前用groupby得到的是分层索引的长格式统计结果，而想要的是类似Excel透视表的宽格式，还包含每日小计和整体总计。咱们一步步来调整代码：

步骤1：生成宽格式透视表 #

首先用pivot_table直接把数据转换成你需要的列布局，自动按日期和分类统计数量，缺失的分类填充0：

import pandas as pd

# 先确保日期列是datetime类型（如果原数据是字符串格式的话）
data['Column4'] = pd.to_datetime(data['Column4'])

# 统一分类名称的格式（比如把样本里的Non-Actionable改成Non-actionable，匹配你的预期输出）
data['Column5'] = data['Column5'].replace('Non-Actionable', 'Non-actionable')

# 生成透视表
pivot_df = data.pivot_table(
    index='Column4',
    columns='Column5',
    values='Column1',
    aggfunc='count',
    fill_value=0
)

步骤2：添加每日小计（Grand Total列） #

给每行（每天）添加总计，也就是当天所有分类的数量之和：

pivot_df['Grand Total'] = pivot_df.sum(axis=1)

步骤3：添加整体总计（Grand Total行） #

给每列添加总计，也就是每个分类的总数量，以及整体的总计数：

pivot_df.loc['Grand Total'] = pivot_df.sum(axis=0)

步骤4：调整日期格式（可选） #

如果需要把日期转换成5/19/2018的格式，可以格式化索引：

# 先处理日期行的格式，再保留总计行的名称
date_index = pivot_df.index[:-1].strftime('%m/%d/%Y')
pivot_df.index = list(date_index) + ['Grand Total']

最终输出效果 #

运行完上面的代码后，你会得到和预期一致的结果：

Row Labels          Actionable  Duplicate  Informative  Non-actionable  Grand Total
5/19/2018           219         220        3            0               442
5/20/2018           5           270        859          2               1136
5/21/2018           8           295        17           0               320
5/22/2018           10          424        36           0               470
5/23/2018           8           157        3            0               168
5/24/2018           5           78         3            0               86
5/25/2018           3           80         0            0               83
Grand Total         39          1523       921          2               2485

关键说明 #

• pivot_table是实现这种宽格式统计最直接的工具，比groupby后再unstack更简洁
• fill_value=0确保没有数据的分类显示0，而不是空值
• 统一分类名称的格式是为了匹配你预期输出的列名，避免因为大小写/符号差异导致列不对应

内容的提问来源于stack exchange，提问作者Dinesh Gedda