Python 合并汇总多个报销单

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

DataFrame 是一个典型的二维数组，和我们日常使用的 Excel 一样，因此， pandas 可以将 Excel 问题转化为对 DataFrame 的操作。在本例中，我们完成一个常见的表格合并汇总。

数据与需求

假定以下数据是从 Excel 中读取，我们构造数据如下：

import pandas as pd


columns = ['车费', '午餐']

df1 = pd.DataFrame([(1, 2), (3, None)],
                   columns=columns,
                   index=['张三', '李四'])

df2 = pd.DataFrame([(None, 4), (7, 8)],
                   columns=columns,
                   index=['李四', '张三'])

df1
'''
    车费   午餐
张三   1  2.0
李四   3  NaN
'''

df2
'''
     车费  午餐
李四  NaN   4
张三  7.0   8
'''

数据为两个报销表，分别包含了两个人两次的打车费和午餐费，其中李四在第一次没有车费，第二次没有餐费。

需求为，将这两个表合并为一个汇总的表，计算出两个人总的车费和餐费，最后再增加一个合计。

思路

之前我们在案例Python 汇总 Excel 多张工作表数据中有类似的需求，不过这是两个文件，而且包含缺失值。但，总体思路是一致的。

两个 DataFrame 可以向量化计算，包含相加，相加时会按照行列标签将对应位置的值做加法，而不需要我们写循环代码。

合计汇总时，可以用 assign() 指定一个新列。

代码

直接对两个 DataFrame 做向量加法：

df1 + df2
'''
     车费    午餐
张三  8.0  10.0
李四  NaN   NaN
'''

但由于缺失值不参与计算，我们得到的李四的值全是缺失的。这时，我们可以先将两个表的缺失值填充为 0 再相加，便得到了正常的结果。

df1.fillna(0) + df2.fillna(0)
'''
     车费    午餐
张三  8.0  10.0
李四  3.0   4.0
'''

以上的操作，可以使用 add() 方法，它的 fill_value 参数可指定计算时缺失值的填充值。

df1.add(df2, fill_value=0)
'''
     车费    午餐
张三  8.0  10.0
李四  3.0   4.0
'''

这样代码会更加简单。最后用 assign() 指定一个新列：

(
    df1.add(df2, fill_value=0)
    .assign(合计=lambda x: x.sum(1))
)
'''
     车费    午餐    合计
张三  8.0  10.0  18.0
李四  3.0   4.0   7.0
'''

这样就完成了我们想要的结果。

（完）

Python 合并汇总多个报销单

数据与需求

思路

代码

相关内容