为什么pandas.pivot_table中的margins=True只能在一个维度上计算总数？

Question

pandas.pivot_table的示例显示了针对行和列计算的合计，但对于me，合计仅针对行进行计算。

我可以在此设置中使用不同的DataFrames重现此行为：

Ubuntu 18.04，Python 3.6.7，Pandas 0.24.2

import pandas
df = pandas.DataFrame([
    ["sec", "2019-01", 1], 
    ["sec", "2019-02", 2], 
    ["maint","2019-02", 1], 
    ["maint","2019-03",3]
])
print(df)
# If not passing arguments as lists, behavior is essentially the same
p = df.pivot_table(
    index=[0], columns=[1], values=[2], 
    aggfunc="sum", fill_value=0., 
    margins=True
)
print(p)

输出：

       0        1  2
0    sec  2019-01  1
1    sec  2019-02  2
2  maint  2019-02  1
3  maint  2019-03  3

            2                    
1     2019-01 2019-02 2019-03 All
0                                
maint       0       1       3   4
sec         1       2       0   3
All         0       0       0   7

正如您在最后一行中看到的，聚合没有应用于列(除了最后一列)，值仅为0。

正如许多示例所建议的那样，我原本期望pivot_table会产生这样的结果：

            2                    
1     2019-01 2019-02 2019-03 All
0                                
maint       0       1       3   4
sec         1       2       0   3
All         1       3       3   7

我做错了什么或理解错了什么吗？或者这可能是一个bug？

Answer 1

这是pandas中的一个错误，它只出现在数字列和margins=True中。解决方法是将数字列名临时转换为字符串：

In [1]: import pandas as pd; pd.__version__
Out[1]: '0.24.2'

In [2]: df = pd.DataFrame([
   ...:     ["sec", "2019-01", 1],
   ...:     ["sec", "2019-02", 2],
   ...:     ["maint","2019-02", 1],
   ...:     ["maint","2019-03",3]])

In [3]: # wrong output with numeric columns
   ...: df.pivot_table(index=[0], columns=[1], values=[2],
   ...:                aggfunc="sum", fill_value=0., margins=True)
Out[3]:
            2
1     2019-01 2019-02 2019-03 All
0
maint       0       1       3   4
sec         1       2       0   3
All         0       0       0   7

In [4]: # correct output with string columns
   ...: df.columns = df.columns.map(str)
   ...: df.pivot_table(index=['0'], columns=['1'], values=['2'],
   ...:                aggfunc="sum", fill_value=0., margins=True)
Out[4]:
            2
1     2019-01 2019-02 2019-03 All
0
maint       0       1       3   4
sec         1       2       0   3
All         1       3       3   7