这样处理pandas数据透视后的数据格式，想不爱都很难

上一篇文章讲解了pandas的数据透视表：piovt_table，网友留言说，处理完数据后，格式不是想要的那种，要用于报告的话还是不行。

这篇文章篇幅不长，主要讲解一下如何处理透视后的格式问题：

首先导入需要处理的数据：

df = pd.DataFrame({"A": ["foo", "foo", "foo", "foo", "foo",
 "bar", "bar", "bar", "bar"],
 "B": ["one", "one", "one", "two", "two",
 "one", "one", "two", "two"],
 "C": ["small", "large", "large", "small",
 "small", "large", "small", "small",
 "large"],
 "D": [1, 2, 2, 3, 3, 4, 5, 6, 7],
 "E": [2, 4, 5, 5, 6, 6, 8, 9, 9]})
df

数据透视：应用一个函数的情况：

table = pd.pivot_table(df, values=['D', 'E'], index=['A', 'C'],
 aggfunc=np.mean)
table

直接重置索引就可以去除掉之前的多级索引

table.reset_index()

如果觉得格式还不行可以修改列名：

table2=table.reset_index()
table2.columns=["A","B","C_平均值","D_平均值"]
table2

如果你用的是多个函数，那就稍微麻烦点，但是还是有办法的，

table = pd.pivot_table(df, values=['D', 'E'], index=['A', 'C'],
 aggfunc={'D': np.mean, 

 'E': [min, max, np.mean]})
table

这样处理的格式复制到excel:

这显然不是我们想要的，我们需要的是一个行索引，一个列索引就够了

方法1：直接删除掉多余的索引

table2 = table.copy(deep=True)
table2.columns = table2.columns.droplevel(0)
table2

接下来处理行索引：

table2.reset_index()

这基本上就是我们想要的了，但是行标签还需要改一下：

table2.columns=["A","C","D_mean","D_max","E_mean","E_max"]
table2

方法2、

直接将索引合并

table2 = table.copy(deep=True)
table2.columns = ["_".join(x) for x in table2.columns.ravel()]
table2

table2.reset_index()

这样的结果和方法1是一样的了

还有一种特殊的处理方法，直接降维：

tabel2=table.stack().reset_index()
tabel2.columns=["A","C","方法","D","E"]
tabel2

如果这篇文章对你很有帮助，点个赞，关注一下，么！