熊猫pivot_table不分组

Question

在不提供分组的情况下，使用pandas.pivot_table计算整个表上的聚合函数的最佳方法是什么？

例如，如果我想将A、B、C的和计算成一个有一行的表，而不按任何列进行分组：

>>> x = pd.DataFrame({'A':[1,2,3],'B':[8,7,6],'C':[0,3,2]})
>>> x
   A  B  C
0  1  8  0
1  2  7  3
2  3  6  2
>>> x.pivot_table(values=['A','B','C'],aggfunc=np.sum)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/tool/pandora64/.package/python-2.7.5/lib/python2.7/site-packages/pandas/tools/pivot.py", line 103, in pivot_table
    grouped = data.groupby(keys)
  File "/tool/pandora64/.package/python-2.7.5/lib/python2.7/site-packages/pandas/core/generic.py", line 2434, in groupby
    sort=sort, group_keys=group_keys, squeeze=squeeze)
  File "/tool/pandora64/.package/python-2.7.5/lib/python2.7/site-packages/pandas/core/groupby.py", line 789, in groupby
    return klass(obj, by, **kwds)
  File "/tool/pandora64/.package/python-2.7.5/lib/python2.7/site-packages/pandas/core/groupby.py", line 238, in __init__
    level=level, sort=sort)
  File "/tool/pandora64/.package/python-2.7.5/lib/python2.7/site-packages/pandas/core/groupby.py", line 1622, in _get_grouper
    raise ValueError('No group keys passed!')
ValueError: No group keys passed!

另外，我想使用定制aggfunc，上面的np.sum只是一个例子。

谢谢。

Answer 1

我认为您是在问如何将函数应用于数据框架的所有列:要执行此操作，请调用数据帧的apply方法：

def myfunc(col):
   return np.sum(col)

x.apply(myfunc)

Out[1]: 
A     6
B    21
C     5
dtype: int64

Answer 2

我也犯了同样的错误，我在Pandas数据帧上使用pivot_table参数，

import numpy as np
# Pivot for mean weekly_sales for each store type
mean_sales_by_type = sales.pivot_table(values='weekly_sales')

# Print mean_sales_by_type
print(mean_sales_by_type)

，这里是错误：

File "<stdin>", line 889, in __init__
grouper, exclusions, obj = get_grouper(
File "<stdin>", line 896, in get_grouper
raise ValueError("No group keys passed!")
ValueError: No group keys passed!

最后，通过指定pivot_table函数的索引参数(后面的值)来修复它。

mean_sales_by_type = sales.pivot_table(values='weekly_sales',index='type')

在你的情况下，试试这个：-

x.pivot_table(values=['A','B','C'],**value=[]**,aggfunc=np.sum)