工作中经常需要对数据进行行转列加工处理，输出数据作为报表，类似于 SQL 语句中 case when 的处理。下图的数据来自工作中实际处理数据的简化，源数据格式如下：
表格是一个财务有关项目的数据，ENTITY 表示公司实体，ACCOUNT 是会计科目，S/H 表示借贷方，PROJET_TYPE 是项目类型，PROJECT_CODE 是项目编码。源数据我已经放在 github 上。
需要根据某一会计期间，比如 2018 年 4 月，反映月份的投资成本 （140401科目）和公允价值 (140404科目）的变化情况：
首先使用 read_csv() 方法读取数据到 DataFrame 中：
import pandas as pd
import numpy as np
df = pd.read_csv('https://raw.githubusercontent.com/stonewm/python-practice-projects/master/pandas%20sample%20data/project-listing.csv')
假如现在编制 2018 年 4 月报表，首先获取 2018 年的年初余额。科目 140401 是原始投资科目，140404 是投资价值变化科目。获取的条件是：科目为 140401 且 年份小于 2018。
需要介绍一下 numpy.where() 函数。这个函数的语法为：
out = numpy.where(condition[, x, y])
x, y 为 array-like 的数据结构，当 condtion 为 True 时，返回 x，否则返回 y。比如下面的例子：
>>> a = np.random.randint(1,10,8).reshape(2,4)
>>> b = np.random.randint(1,10,8).reshape(2,4)
>>> a
array([[6, 8, 8, 8],
[1, 3, 9, 2]])
>>> b
array([[9, 7, 6, 8],
[7, 8, 2, 7]])
>>> np.where(True, a+2, b+2)
array([[ 8, 10, 10, 10],
[ 3, 5, 11, 4]])
a 和 b 都是一个 2 * 4 的数组，当条件为 True 时，返回值为一个数组，数组的值是 a 的 每一个元素 + 2。
现在用 df 的数据来进行演练。我们知道 DataFrame 的每一列数据类型是 pandas.core.series.Series，Series 是的类型正好是 ndarray (One-dimensional ndarray with axis labels (including time series)，所以可以使用 numpy.where() 方法进行处理：
account = df['ACCOUNT']
txyear = df['YEAR']
amount = df['AMOUNT']
begin_cost = np.where((account==140401) & (txyear<2018), amount, 0)
显示一下 begin_cost:
array([0.00000000e+00, 3.24717000e+08, 7.60000000e+06, 2.44102600e+05,
1.00000000e+06, 0.00000000e+00, 0.00000000e+00, 0.00000000e+00,
0.00000000e+00, 0.00000000e+00, 0.00000000e+00, 0.00000000e+00,
0.00000000e+00, 0.00000000e+00, 0.00000000e+00, 1.93538440e+06,
8.84261079e+07, 3.90906100e+05, 7.90258530e+06, 0.00000000e+00,
0.00000000e+00])
注意在 numpy.where() 函数中，多个条件时，要将每个条件用括号括起来。我们用这个范围为 df 增加一列：
df['BEGIN_COST'] = np.where(
(df['ACCOUNT']==140401) & (df['YEAR']<2018), df['AMOUNT'], 0
)
在 jupyter notebook 中显示增加 BEGIN_COST 列之后的 Data Frame:
其他列的方法相同，这里贴出代码：
df['BEGIN_COST'] = np.where(
(df['ACCOUNT']==140401) & (df['YEAR']<2018), df['AMOUNT'], 0
)
df['BEGIN_VAR'] = np.where(
(df['ACCOUNT']==140404) & (df['YEAR'] <2018), df['AMOUNT'], 0)
df['PER_COST_ADD'] = np.where(
(df['ACCOUNT']==140401) & (df['YEAR']==2018) & (df['MONTH']<=4) & (df['DIRECTION']=='S'),
df['AMOUNT'], 0
)
df['PER_VAR_ADD'] = np.where(
(df['ACCOUNT']==140404) & (df['YEAR']==2018) & (df['MONTH']<=4) & (df['DIRECTION']=='S'),
df['AMOUNT'], 0
)
df['PER_COST_DECT'] = np.where(
(df['ACCOUNT']==140401) & (df['YEAR']==2018) & (df['MONTH']<=4) & (df['DIRECTION']=='H'),
df['AMOUNT'], 0
)
df['PER_VAR_DECT'] = np.where(
(df['ACCOUNT']==140404) & (df['YEAR']==2018) & (df['MONTH']<=4) & (df['DIRECTION']=='H'),
df['AMOUNT'], 0
)
prj_summarized = df[['PROJ_CODE', 'BEGIN_COST', 'BEGIN_VAR', 'PER_COST_ADD', 'PER_VAR_ADD', 'PER_COST_DECT', 'PER_VAR_DECT']].groupby('PROJ_CODE').sum()
网友评论