padans关于数据处理的杂谈

情况：业务数据基本字段会有如下：

Index(['时间', '地区', '产品', '字段', '数值'], dtype='object')

这样就会引发一个经典“三角不可能定理”，如何同时简约展现分时序、分产品、分字段数据。）一般来说，

1、时序为作为单独的分类，

2、然后剩下两个标签就是，要么：

2.1、每个字段一张表，然后列为时序，行为产品

2.2、要么每个产品一张表，列为时序，行为产品。

2.3、要么将“产品”、“字段”组成新的列。

那么实现2.1、2.2，不过这样的瓶颈就是，如果有很多个字段，则会组合成很多张表。

# 使用数据透视表，假设现在，逐字段，分产品时序

# 获取所有产品,去重
cp = df['产品'].to_frame().drop_duplicates(subset=['产品'])

# 得到 3个 工作表，每个工作表为相关字段的分产品分时序，这样一来，如果涉及很多个字段，则会有很多个表
with pd.ExcelWriter('data/test2-shuchu.xls') as writer:
    for zd in df['字段'].unique():
        table = pd.pivot_table(df[df['字段'] == zd], values='数值', index=['产品'],columns=['时间'], aggfunc=np.sum)
        table = pd.merge(cp,table,how='left',on='产品')
        table.to_excel(writer,index=False,sheet_name = zd)

实现2.3

# 通过将 产品 字段 组合为一个，形成二维表
with pd.ExcelWriter('data/test2-shuchu2.xls') as writer:
    table = pd.pivot_table(df, values='数值', index=['产品','字段'],columns=['时间'], aggfunc=np.sum)
    table.reset_index().to_excel(writer,index=False,sheet_name = zd)

输出一张工作表即可。

有时还需要处理成，具有环比、比年初、同比等值。则采取给源数据增加字段。

先通过类似方法给源数据增加一个比去年同期列

def add_year_on_year(x):
    d = ''
    if x['时间'] == '20161231':
        return None
    elif x['时间'] == '20171231':
        d = '20161231'
    elif x['时间'] == '20181231':
        d = '20171231'
    # 获取相应的数值
    v = df[(df['时间'] == d) & (df['地区'] == x['地区']) & (df['产品'] == x['产品']) & (df['字段'] == x['字段'])]
    #print('d:',d)
    if len(v) == 0:
        return x['数值']
    else:
        return x['数值'] - v.iloc[0]['数值']

df['同比增减'] = df.apply(add_year_on_year,axis=1)
with pd.ExcelWriter('data/test2-huanyuan-add.xls') as writer:
    df.to_excel(writer,index=False,sheet_name = 'Sheet1')

输出如下：

最后在再把数据打回stack，再执行数据透视表操作

df2 = df.set_index(['时间', '地区', '产品','字段'])
df2 = df2.stack()
df2 = df2.reset_index()

with pd.ExcelWriter('data/test2-huanyuan2.xls') as writer:
    df2.to_excel(writer,index=False,sheet_name = 'Sheet1')
    
df2.rename(columns={'level_4':'数值属性',0:'数值'},inplace=True)
# 通过将 产品 字段 组合为一个，形成二维表
with pd.ExcelWriter('data/test2-shuchu3.xls') as writer:
    table = pd.pivot_table(df2, values='数值', index=['产品','字段','数值属性'],columns=['时间'], aggfunc=np.sum)
    table.reset_index().to_excel(writer,index=False,sheet_name = 'h')

最终输出：