Groupby и Pivot Pandas table

Question

Это должно быть быстро, но ни одна из операций по сводной/групповой работе, которую я выполняю, не подходит для того, что мне нужно.

У меня есть таблица вроде этого:

 Letter Period Amount 
YrMnth 
2014-12  B  6  0 
2014-12  C  8  1 
2014-12  C  9  2 
2014-12  C  10  3 
2014-12  C  6  4 
2014-12  C  12  5 
2014-12  C  7  6 
2014-12  C  11  7 
2014-12  D  9  8 
2014-12  D  10  9 
2014-12  D  1  10 
2014-12  D  8  11 
2014-12  D  6  12 
2014-12  D  12  13 
2014-12  D  7  14 
2014-12  D  11  15 
2014-12  D  4  16 
2014-12  D  3  17 
2015-01  B  7  18 
2015-01  B  8  19 
2015-01  B  1  20 
2015-01  B  10  21 
2015-01  B  11  22 
2015-01  B  6  23 
2015-01  B  9  24 
2015-01  B  3  25 
2015-01  B  5  26 
2015-01  C  10  27 

Я хочу, чтобы повернуть его, так что индекс в основном YrMonth и письмо, Период являются столбцами, а сумма являются значения.

Я понимаю Pivot в целом, но получаю ошибки, когда пытаюсь сделать это с помощью нескольких индексов. Я сделал индекс столбца, и попытался это:

In [76]: df.pivot(index=['YrMnth','Letter'], values='Amount', columns='Period') 

Но я вышел с этой ошибкой:

--------------------------------------------------------------------------- 
ValueError        Traceback (most recent call last) 
<ipython-input-76-fc2a4c5f244d> in <module>() 
----> 1 df.pivot(index=['YrMnth','Letter'], values='Amount', columns='Period') 

/Users/chaseschwalbach/anaconda/lib/python2.7/site-packages/pandas/core/frame.pyc in pivot(self, index, columns, values) 
    3761   """ 
    3762   from pandas.core.reshape import pivot 
-> 3763   return pivot(self, index=index, columns=columns, values=values) 
    3764 
    3765  def stack(self, level=-1, dropna=True): 

/Users/chaseschwalbach/anaconda/lib/python2.7/site-packages/pandas/core/reshape.pyc in pivot(self, index, columns, values) 
    331   indexed = Series(self[values].values, 
    332       index=MultiIndex.from_arrays([index, 
--> 333              self[columns]])) 
    334   return indexed.unstack(columns) 
    335 

/Users/chaseschwalbach/anaconda/lib/python2.7/site-packages/pandas/core/series.pyc in __init__(self, data, index, dtype, name, copy, fastpath) 
    225          raise_cast_failure=True) 
    226 
--> 227     data = SingleBlockManager(data, index, fastpath=True) 
    228 
    229   generic.NDFrame.__init__(self, data, fastpath=True) 

/Users/chaseschwalbach/anaconda/lib/python2.7/site-packages/pandas/core/internals.pyc in __init__(self, block, axis, do_integrity_check, fastpath) 
    3734    block = make_block(block, 
    3735        placement=slice(0, len(axis)), 
-> 3736        ndim=1, fastpath=True) 
    3737 
    3738   self.blocks = [block] 

/Users/chaseschwalbach/anaconda/lib/python2.7/site-packages/pandas/core/internals.pyc in make_block(values, placement, klass, ndim, dtype, fastpath) 
    2452 
    2453  return klass(values, ndim=ndim, fastpath=fastpath, 
-> 2454     placement=placement) 
    2455 
    2456 

/Users/chaseschwalbach/anaconda/lib/python2.7/site-packages/pandas/core/internals.pyc in __init__(self, values, placement, ndim, fastpath) 
    85    raise ValueError('Wrong number of items passed %d,' 
    86        ' placement implies %d' % (
---> 87         len(self.values), len(self.mgr_locs))) 
    88 
    89  @property 

ValueError: Wrong number of items passed 138, placement implies 2 

Answer 1

Если я вас правильно понял, pivot_table может быть ближе к тому, что вам нужно:

df = df.pivot_table(index=["YrMnth", "Letter"], columns="Period", values="Amount") 

Что дает:

Period   1 3 4 5 6 7 8 9 10 11 12 
YrMnth Letter            
2014-12 B  NaN NaN NaN NaN 0 NaN NaN NaN NaN NaN NaN 
     C  NaN NaN NaN NaN 4 6 1 2 3 7 5 
     D  10 17 16 NaN 12 14 11 8 9 15 13 
2015-01 B  20 25 NaN 26 23 18 19 24 21 22 NaN 
     C  NaN NaN NaN NaN NaN NaN NaN NaN 27 NaN NaN 

Как было предложено в комментариях:

df = pd.pivot_table(df, index=["YrMnth", "Letter"], columns="Period", values="Amount") 


Period   1 3 4 5 6 7 8 9 10 11 12 
YrMnth Letter            
2014-12 B  NaN NaN NaN NaN 0 NaN NaN NaN NaN NaN NaN 
     C  NaN NaN NaN NaN 4 6 1 2 3 7 5 
     D  10 17 16 NaN 12 14 11 8 9 15 13 
2015-01 B  20 25 NaN 26 23 18 19 24 21 22 NaN 
     C  NaN NaN NaN NaN NaN NaN NaN NaN 27 NaN NaN 

дает также то же самое, если кто-то хочет, чтобы выяснить, каким образом бывший потерпит неудачу, что было бы здорово.