Buen día,
Lo puedes hacer con pandas.DataFrame.unstack
.
El problema a la gregar la cuenta de los tipos de combustible es que estás utilizando mal pandas.core.groupby.DataFrameGroupBy.aggregate
(Te recomiendo repasar la documentación). Para el ejemplo voy a utilizar agg
que es un alias de aggregate
, yo lo uso por conveniencia porque es más corto.
Utilizando los datos que pusiste en tu pregunta en un dataframe
de prueba desde un archivo "sample.csv"
Precio Combustible Año_del_vehiculo Caballos Comunidad_autonoma \
0 950 Diésel 2000.0 110.0 Navarra
1 6200 Gasolina 2017.0 82.0 Islas Canarias
2 11490 Gasolina 2016.0 130.0 Madrid
3 28500 Diésel 2017.0 150.0 Islas Baleares
4 8200 Diésel 2012.0 150.0 Cataluña
5 18490 Gasolina 2018.0 140.0 Andalucia
6 14500 Diésel 2015.0 150.0 Andalucia
7 11000 Gasolina 2019.0 72.0 Andalucia
8 47900 Gasolina 2013.0 450.0 Galicia
9 2790 Diésel 2006.0 70.0 Cataluña
Marca_y_Modelo Año_Venta Mes_Venta
0 SEAT Toledo 2020 12
1 CITROEN C1 2021 1
2 PEUGEOT 3008 2021 1
3 LAND-ROVER Discovery Sport 2021 1
4 HONDA Civic 2020 12
5 HYUNDAI i30 2020 11
6 RENAULT Laguna 2021 1
7 PEUGEOT 108 2021 1
8 AUDI RS4 2021 1
9 CITROEN C2 2021 1
Ejemplo:
import pandas as pd
df = pd.read_csv('sample.csv')
df1 = df.groupby(['Comunidad_autonoma','Año_Venta','Mes_Venta','Combustible']).agg({'Combustible': 'count'}).unstack(3).droplevel(0, axis = 1).reset_index()
df1.columns = df1.columns.rename('')
print(df1)
Esto imprime el siguiente dataframe
:
Comunidad_autonoma Año_Venta Mes_Venta Diésel Gasolina
0 Andalucia 2020 11 NaN 1.0
1 Andalucia 2021 1 1.0 1.0
2 Cataluña 2020 12 1.0 NaN
3 Cataluña 2021 1 1.0 NaN
4 Galicia 2021 1 NaN 1.0
5 Islas Baleares 2021 1 1.0 NaN
6 Islas Canarias 2021 1 NaN 1.0
7 Madrid 2021 1 NaN 1.0
8 Navarra 2020 12 1.0 NaN
Explicación:
- Agrupamos utilizando todas las columnas necesarias:
df.groupby(['Comunidad_autonoma','Año_Venta','Mes_Venta','Combustible'])
- Agregamos la cuenta de cada tipo de combustible. El formato es un diccionario con el nombre de la columna y la función:
.agg({'Combustible': 'count'})
- Hacemos
unstack
del multi índice 3, los multi índice se enumeran empezando por 0
de izquierda a derecha, por lo que 'Comunidad_autonoma' = 0, 'Año_Venta' = 1, 'Mes_Venta' = 2, 'Combustible' = 3:
.unstack(3)
Nota: Si lo dejáramos hasta aquí se crearían dos niveles de columnas ya que tanto Diésel como Gasolina se crearon a partir de la columna "Combustible", de esta forma:
Combustible
Combustible Diésel Gasolina
Comunidad_autonoma Año_Venta Mes_Venta
Andalucia 2020 11 NaN 1.0
2021 1 1.0 1.0
Cataluña 2020 12 1.0 NaN
2021 1 1.0 NaN
Galicia 2021 1 NaN 1.0
Islas Baleares 2021 1 1.0 NaN
Islas Canarias 2021 1 NaN 1.0
Madrid 2021 1 NaN 1.0
Navarra 2020 12 1.0 NaN
- Eliminamos uno de los niveles de columnas, los multi niveles de columna se enumeran empezando por
0
de arriba hacia abajo:
.droplevel(0, axis = 1)
Nota: Si lo dejamos hasta aquí todavía vamos a tener un multi índice con las siguientes columnas 'Comunidad_autonoma','Año_Venta','Mes_Venta'
- Hacemos
reset_index
para quitar el multi índice:
.reset_index()
- Por último, podemos ver que la fila donde están las columnas dice "Combustible" al inicio, este sería el nombre de la fila de las columnas, lo podemos quitar de la siguiente forma:
df1.columns = df1.columns.rename('')