--------------------------------------------------------------------------------------------------------------------------------------------------------------------------
#通过字典进行分组统计
#通过字典进行分组统计
import pandas as pd
pd.set_option ( 'display.unicode.east_asian_width', True)
pd.set_option ('display.max_columns',500)
pd.set_option ('display.width',1000)
df=pd.read_excel('JD手机销售数据.xlsx')
#print (df.head())
df=df.set_index('商品名称') #设置商品名称为行索引
dict1={'北京出库量':'华北地区',
'上海出库量':'华东地区',
'广州出库量':'华南地区',
'天津出库量':'华北地区',
'苏州出库量':'华东地区',
'沈阳出库量':'东北地区',
'杭州出库量':'华东地区',
}
df1=df.groupby(dict1, axis=1).sum()
print (df1)
东北地区 华东地区 华北地区 华南地区 商品名称 荣耀1 329 983 651 326 oppo1 70 449 522 196 Alpple1 71 452 917 328 oppo2 72 455 1050 329 oppo3 70 468 920 67 Alpple2 72 474 1054 69 荣耀2 74 480 106 89 Redmi1 76 486 109 90 Redmi2 78 492 112 91 oppo4 80 498 115 92
##通过Series对象进行分组统计
#通过Series对象进行分组统计
import pandas as pd
pd.set_option ( 'display.unicode.east_asian_width', True)
pd.set_option ('display.max_columns',500)
pd.set_option ('display.width',1000)
df=pd.read_excel('JD手机销售数据.xlsx')
#print (df.head())
df=df.set_index('商品名称') #设置商品名称为行索引
dict1={'北京出库量':'华北地区',
'上海出库量':'华东地区',
'广州出库量':'华南地区',
'天津出库量':'华北地区',
'苏州出库量':'华东地区',
'沈阳出库量':'东北地区',
'杭州出库量':'华东地区',
}
s=pd.Series(dict1) #构建Series对象
df1=df.groupby(s, axis=1).sum()
print(df1)
东北地区 华东地区 华北地区 华南地区 商品名称 荣耀1 329 983 651 326 oppo1 70 449 522 196 Alpple1 71 452 917 328 oppo2 72 455 1050 329 oppo3 70 468 920 67 Alpple2 72 474 1054 69 荣耀2 74 480 106 89 Redmi1 76 486 109 90 Redmi2 78 492 112 91 oppo4 80 498 115 92
标签：set,46,Series,华东地区,df,pd,字典,display,出库 From： https://www.cnblogs.com/988MQ/p/16908994.html