DataFrame俗稱(chēng)數(shù)據(jù)框，和一般的Excel表格沒(méi)有多大區(qū)別，一般包含索引（行）和表頭（列），在python中，由pandas包提供。
pip install pandas
這一節(jié)，我們要處理的主題是：多級(jí)表頭和多級(jí)目錄
先看看他們長(zhǎng)什么樣子：
在Excel里面看這些表格，還沒(méi)什么特別的感覺(jué)，但是，今天我們要在python中來(lái)處理這樣的表格，下面就開(kāi)始吧！先說(shuō)一下內(nèi)容大概：
多級(jí)表格，常來(lái)自于實(shí)際的需要，許多時(shí)候，我們的數(shù)據(jù)并不是單一的表現(xiàn)形式，會(huì)有對(duì)比、計(jì)算、時(shí)間序列等因素。我先給出兩個(gè)一級(jí)表格（也就是我們數(shù)據(jù)的原始形式）。
日期 渠道 用戶(hù)數(shù) 會(huì)話數(shù) 唯一身份瀏覽量 0 20180607 (Other) 3839 7324 15223 1 20180607 Direct 30060 35364 72330 2 20180607 Display 2 2 2 3 20180607 Organic Search 50636 57410 144043 4 20180607 Referral 2845 3370 8380 5 20180607 Social 1310 1564 3480 6 20180607 shareasale.com 214 238 568
日期 渠道 用戶(hù)數(shù) 會(huì)話數(shù) 唯一身份瀏覽量 0 20180531 (Other) 3756 6351 13825 1 20180531 Direct 33195 38812 78479 2 20180531 Display 2 2 2 3 20180531 Email 1 1 3 4 20180531 Organic Search 56003 64026 158187 5 20180531 Referral 3185 3769 9252 6 20180531 Social 3380 3690 7698 7 20180531 shareasale.com 241 268 658
Excel文件鏈接：https://pan.baidu.com/s/11xIBEm-jfj6o0Hz278Alvw 密碼：b515
你需要將這個(gè)表格文件下載下來(lái)，使用pandas包的read_excel()函數(shù)讀入。
這2個(gè)數(shù)據(jù)表格分別是2018年6月7號(hào)各個(gè)渠道的流量數(shù)據(jù)以及上周同期的數(shù)據(jù)，我們的目的是要做對(duì)比，把這2個(gè)表格的數(shù)據(jù)放到一起，方便對(duì)比查看。但我們用腦袋想一下，最方便對(duì)比的數(shù)據(jù)應(yīng)該是什么樣的呢？
前面我們已經(jīng)給出了2個(gè)示例，分別是2級(jí)表頭和2級(jí)索引，其實(shí)都起到了對(duì)比的作用。下面，我們就分別講一下這2個(gè)表格是怎么做出來(lái)的。
導(dǎo)入包，讀入數(shù)據(jù)
import pandas as pd
from pandas import DataFrame
channel = pd.read_excel('處理多級(jí)表格-示例數(shù)據(jù).xlsx',sheetname=0)
channel_last_week = pd.read_excel('處理多級(jí)表格-示例數(shù)據(jù).xlsx', sheetname=1)一般pandas包導(dǎo)入后會(huì)給個(gè)pd的別名。讀入xlsx格式的數(shù)據(jù)使用函數(shù)pd.read_excel()，第一個(gè)參數(shù)是文件所在路徑， 參數(shù)sheetname是指讀入這個(gè)工作簿當(dāng)中的哪個(gè)sheet，這里有2種寫(xiě)法：第一種是給出sheet的索引號(hào)（從左至右從0開(kāi)始計(jì)數(shù)），第二種是給出sheet的具體名稱(chēng)，比如：
channel = pd.read_excel('處理多級(jí)表格-示例數(shù)據(jù).xlsx',sheetname='20180607')我們先講一種最常規(guī)的方法：拼接法
顯然，我們有三個(gè)指標(biāo)是需要對(duì)比的：用戶(hù)數(shù)、會(huì)話數(shù)、唯一身份瀏覽量
所以，我們先把渠道設(shè)置為索引，使用函數(shù)set_index()
channel.set_index('渠道', inplace=True)
channel_last_week.set_index('渠道', inplace=True)注：在pandas中，一般set_xxx類(lèi)型的函數(shù)都會(huì)有一個(gè)參數(shù)inplace，代表是在原對(duì)象上修改，還是返回一個(gè)新的對(duì)象。
這時(shí)候，我們的channel就變成了下面這樣
channel.index Out[74]: Index(['(Other)', 'Direct', 'Display', 'Organic Search', 'Referral', 'Social', 'shareasale.com'], dtype='object', name='渠道') channel.columns Out[75]: Index(['日期', '用戶(hù)數(shù)', '會(huì)話數(shù)', '唯一身份瀏覽量'], dtype='object')
如果細(xì)心的朋友一定會(huì)發(fā)現(xiàn)，index和columns的值其實(shí)都是屬于同一個(gè)類(lèi): pandas.core.indexes.base.Index
type(channel.columns) Out[76]: pandas.core.indexes.base.Index type(channel.index) Out[77]: pandas.core.indexes.base.Index
現(xiàn)在來(lái)看這個(gè)日期，它里面的值應(yīng)該是作為表頭的，用來(lái)對(duì)比三個(gè)指標(biāo)，所以，這里我們可以索性把它從columns中刪除掉，到時(shí)候直接把它的值拿出來(lái)備用
yd,yd_la = '20180607','20180531'
channel.drop('日期', axis=1, inplace=True)
channel_last_week.drop('日期', axis=1, inplace=True)第一行中兩個(gè)變量間加逗號(hào)的寫(xiě)法，是一行同時(shí)實(shí)現(xiàn)2個(gè)及以上變量賦值的快捷寫(xiě)法，按順序一一對(duì)應(yīng)。
可能有人會(huì)說(shuō)，我直接輸入日期字符串會(huì)顯得不夠自動(dòng)化和程序化，萬(wàn)一哪天傳入的數(shù)據(jù)里面日期不是這兩個(gè)呢？
其實(shí)你也可以使用如下的方法獲取
yd,yd_la = channel.iloc[0,0],channel_last_week.iloc[0,0]
iloc是根據(jù)位置進(jìn)行切片選擇的，你也可以使用鍵名稱(chēng)和索引名稱(chēng)選擇
yd,yd_la = channel['日期']['Organic Search'],channel_last_week['日期']['Organic Search']
另外，刪除列，除了使用drop外，還可以直接這樣操作
del channel['日期']
這種寫(xiě)法我直接在原對(duì)象上刪除，不像drop還可以選擇返回刪除后的新對(duì)象（不影響原對(duì)象）
drop除了可以刪除列，還可以刪除行，只需要設(shè)置axis=0（默認(rèn)），輸入索引值即可，比如
channel.drop('Direct')刪除了索引值為Direct的行。
現(xiàn)在我們的channal對(duì)象是這樣的了
開(kāi)始構(gòu)造，最直觀的做法就是把兩個(gè)表中同一個(gè)指標(biāo)的數(shù)據(jù)合并在一起，并且將日期作為底層表頭，指標(biāo)作為第二層表頭
DataFrame的合并函數(shù)有好幾個(gè)：merge（基于column名稱(chēng)）、append、concat（基于index的值）...這里我們選擇concat.
df_user = pd.concat([channel_last_week['用戶(hù)數(shù)'], channel['用戶(hù)數(shù)']], keys=[yd_la, yd], axis=1).fillna(0)
先看一下結(jié)果：
請(qǐng)忽略小數(shù)（顯示問(wèn)題）。可以看到，左邊是上周同期的，右邊是6月7號(hào)的。
concat的參數(shù)：
第一個(gè)list類(lèi)型，元素是要合并的DataFrame；
keys起到的作用是，其值作為合并后新DataFrame的列名，axis=1的作用是橫著合并（等于0的時(shí)候代表* 豎這合并，相當(dāng)于拼接在下方）；
最后有個(gè)fillna函數(shù)，是因?yàn)槿绻谐霈F(xiàn)索引對(duì)不齊的情況，則會(huì)匹配出NA值（比如Email這個(gè)索引值就不是都有，匹配后20180607這列的值就為0）
最后成型
有了上面的合并經(jīng)驗(yàn)，我們可以把上面的那個(gè)合并結(jié)果作為一個(gè)整體，然后對(duì)每一個(gè)columns指標(biāo)都做同樣的事情，最后合并起來(lái)，其keys的值就是原columns的值，如下所示：
df_session = pd.concat([channel_last_week['會(huì)話數(shù)'], channel['會(huì)話數(shù)']], keys=[yd_la, yd], axis=1).fillna(0) df_uv = pd.concat([channel_last_week['唯一身份瀏覽量'], channel['唯一身份瀏覽量']], keys=[yd_la, yd], axis=1).fillna(0) channel_together = pd.concat([df_user,df_session,df_uv],keys=['用戶(hù)數(shù)', '會(huì)話數(shù)', '唯一身份瀏覽量'],axis=1).fillna(0)
最后來(lái)看我們的channel_together 長(zhǎng)什么樣
Out[119]: 用戶(hù)數(shù) 會(huì)話數(shù) 唯一身份瀏覽量 20180531 20180607 20180531 20180607 20180531 20180607 (Other) 3756 3839 6351 7324 13825 15223 Direct 33195 30060 38812 35364 78479 72330 Display 2 2.0 2 2 2 2 Email 1 0.0 1 0 3 0 Organic Search 56003 50636.0 64026 57410 158187 144043 Referral 3185 2845 3769 3370 9252 8380 Social 3380 1310 3690 1564 7698 3480 shareasale.com 241 214 268 238 658 568
將其輸出到Excel中就是目標(biāo)中的那種格式啦！但是，你這個(gè)代碼未免有點(diǎn)過(guò)長(zhǎng)了，而且類(lèi)似的代碼比較多，現(xiàn)在，我們使用列表推導(dǎo)式，重新得到channel_together
發(fā)大招啦~~~
channel_together = pd.concat([ pd.concat([channel_last_week[column], channel[column]], keys=[yd_la, yd], axis=1) for column in ['用戶(hù)數(shù)', '會(huì)話數(shù)', '唯一身份瀏覽量']], axis=1, keys=['用戶(hù)數(shù)', '會(huì)話數(shù)', '唯一身份瀏覽量']).fillna(0)
聯(lián)系客服
