GIS/OOPT/PivotTable.ipynb

In [16]:

import pandas as pd
import numpy as np

In [17]:

df = pd.read_excel('table_landcover.xls')
df.head(10)

Out[17]:

<style scoped=""> .dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; } </style>

	Name	Code	Count	Area
0	Байрачные Дубравы	0	84	5.2500
1	Байрачные Дубравы	30	35	2.1875
2	Байрачные Дубравы	40	166	10.3750
3	Байрачные Дубравы	80	12	0.7500
4	Байрачные Дубравы	90	53	3.3125
5	Байрачные Дубравы	111	8	0.5000
6	Байрачные Дубравы	114	936	58.5000
7	Байрачные Дубравы	115	1070	66.8750
8	Байрачные Дубравы	116	65	4.0625
9	Байрачные Дубравы	121	3	0.1875

In [18]:

df.dtypes

Out[18]:

Name      object
Code       int64
Count      int64
Area     float64
dtype: object

In [19]:

df_pivot = pd.pivot_table(df,
               index=["Name"],
               values=["Area"],
               columns=["Code"]
               )
df_pivot

Out[19]:

<style scoped=""> .dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead tr th { text-align: left; } .dataframe thead tr:last-of-type th { text-align: right; } </style>

	Area
Code	0	20	30	40	50	60	80	90	111	114	115	116	121	124	125	126
Name
Байрачные Дубравы	5.2500	NaN	2.1875	10.3750	NaN	NaN	0.7500	3.3125	0.5000	58.5000	66.8750	4.0625	0.1875	NaN	9.6250	19.8125
Балка_Красногоровка	NaN	NaN	7.6250	12.8750	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
Балка_Натухаевская	NaN	2.8750	4.8750	1.8750	0.6250	NaN	NaN	NaN	NaN	0.8125	NaN	0.1250	NaN	0.6250	4.0000	3.0625
Балки_горы_Педенкова	38.5625	NaN	62.1250	17.0625	NaN	0.3125	10.6250	10.5625	NaN	NaN	NaN	NaN	NaN	NaN	NaN	6.3125
Бужорский_лес	NaN	0.2500	1.0000	4.1250	1.3125	NaN	NaN	NaN	NaN	157.6875	1.6875	0.7500	NaN	2.6875	12.6875	13.0625
Высокогорный_массив_Ачишхо	NaN	NaN	1026.0625	NaN	NaN	0.7500	NaN	NaN	7.5000	25.3750	NaN	19.8750	NaN	5.1875	NaN	2.5625
Герпегем_обрезанная	NaN	NaN	626.8750	NaN	NaN	NaN	NaN	NaN	NaN	509.0000	NaN	64.8750	NaN	0.7500	NaN	11.8750
Гора_Паршивая	NaN	NaN	206.9375	123.0000	NaN	NaN	NaN	23.5000	NaN	29.0000	2.1875	25.2500	NaN	NaN	0.7500	60.2500
Гора_Школьная	NaN	NaN	NaN	1.2500	2.3750	NaN	NaN	NaN	NaN	236.6875	3.8750	12.9375	NaN	NaN	5.1875	3.5000
Горный_узел_Большое_Псеушх	NaN	NaN	4.3125	NaN	NaN	NaN	NaN	NaN	NaN	1535.3125	2.0625	4.2500	NaN	NaN	NaN	NaN
Дефановское_насаждение_пихты	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	1287.3750	NaN	NaN	NaN	NaN	NaN	NaN
Долина_реки_Курджипс	7.1250	NaN	93.0625	NaN	0.3125	NaN	NaN	NaN	330.9375	716.5000	382.0625	17.4375	NaN	NaN	0.7500	NaN
Каменные_грибы	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	26.2500	NaN	NaN	NaN	NaN	NaN	NaN
Коренной_берег_Кубани	7.3125	NaN	8.9375	8.6250	NaN	NaN	9.4375	4.9375	NaN	6.0000	25.3750	3.3750	NaN	NaN	10.6250	23.6875
Круглик	30.5625	NaN	750.8750	5.0625	NaN	NaN	NaN	3.3125	NaN	1725.5000	1.0000	89.8750	NaN	3.8750	3.5000	102.6250
Кудепстинский_лесопарк	NaN	NaN	NaN	NaN	0.0625	NaN	NaN	NaN	NaN	28.5625	1.3125	0.6250	NaN	NaN	NaN	NaN
Кустарниковый_участок_М_Зеленчук	NaN	NaN	1.3125	20.8750	NaN	NaN	0.6250	10.5625	NaN	9.6250	8.6250	11.0625	NaN	NaN	21.3125	30.4375
Новокубанский	6.0625	NaN	45.0000	160.6875	2.4375	NaN	7.2500	110.8125	NaN	1841.1875	443.0000	60.1875	NaN	3.5625	128.3125	266.7500
Предгорный_природны_лесной_комплекс	NaN	0.6875	13.1875	65.5625	NaN	NaN	NaN	56.5000	NaN	1936.2500	108.0625	39.3125	NaN	12.7500	42.9375	33.2500
Расширение_заказника_Степн	NaN	NaN	1897.6250	990.6875	NaN	NaN	NaN	NaN	NaN	NaN	0.8750	1.5000	NaN	NaN	1.5625	4.3125
Урочище_Алексеевское	NaN	NaN	4.0000	10.3750	NaN	NaN	NaN	0.0625	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
Урочище_Новомихайловское	NaN	NaN	6.8750	31.6250	NaN	NaN	NaN	8.6875	NaN	NaN	3.4375	0.7500	NaN	NaN	9.0625	3.8125
Урочище_Шевченко	NaN	NaN	19.5625	23.9375	NaN	NaN	NaN	10.8125	NaN	NaN	NaN	0.5000	NaN	NaN	6.6250	9.0000
Хребет_Грузинка	NaN	NaN	0.9375	19.7500	NaN	NaN	NaN	1.0000	NaN	1536.5000	1.6875	12.5625	NaN	6.8750	13.8125	10.5000
Хребет_Туапхат	NaN	1.6875	4.5000	NaN	8.1875	0.7500	0.3125	0.3750	170.6875	1162.7500	470.2500	2.7500	NaN	18.5000	41.3125	32.8750
Хребет_Экепце_Гадык	16.5625	NaN	295.6875	4.5000	NaN	NaN	NaN	NaN	NaN	568.5000	8.2500	47.2500	NaN	6.9375	17.5625	60.6250
Целинные степи_кургана_Бли	NaN	NaN	322.0625	13.4375	NaN	NaN	NaN	2.5000	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
Шкуринские_балки	NaN	NaN	5.8125	6.0000	NaN	NaN	NaN	0.0625	NaN	NaN	NaN	NaN	NaN	NaN	NaN	0.6875
Южно_Таманский_берег	17.6250	NaN	169.5000	1.1250	NaN	NaN	8.9375	0.7500	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN

In [20]:

# Добавляем необходимые столбцы
df_pivot['Sum_Area'] = df_pivot.sum(axis=1)

In [21]:

df_pivot.to_excel('table_landcover_pivot111.xls')

C:\Users\Evgenii\AppData\Local\Temp\ipykernel_11212\512436048.py:1: FutureWarning: As the xlwt package is no longer maintained, the xlwt engine will be removed in a future version of pandas. This is the only engine in pandas that supports writing in the xls format. Install openpyxl and write to an xlsx file instead. You can set the option io.excel.xls.writer to 'xlwt' to silence this warning. While this option is deprecated and will also raise a warning, it can be globally set and the warning suppressed.
  df_pivot.to_excel('table_landcover_pivot111.xls')

Добавляем столбцы с процентами¶

In [43]:

import pandas as pd
import numpy as np

In [44]:

# Предварительно удалить лишние столбцы
df = pd.read_excel('table_landcover_pivot.xls')
df.head(10)

Out[44]:

<style scoped=""> .dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; } </style>

	Name	0	20	30	40	50	60	80	90	111	114	115	116	121	124	125	126	Sum_Area
0	Байрачные Дубравы	5.2500	NaN	2.1875	10.3750	NaN	NaN	0.750	3.3125	0.5	58.5000	66.8750	4.0625	0.1875	NaN	9.6250	19.8125	181.4375
1	Балка_Красногоровка	NaN	NaN	7.6250	12.8750	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	20.5000
2	Балка_Натухаевская	NaN	2.875	4.8750	1.8750	0.6250	NaN	NaN	NaN	NaN	0.8125	NaN	0.1250	NaN	0.6250	4.0000	3.0625	18.8750
3	Балки_горы_Педенкова	38.5625	NaN	62.1250	17.0625	NaN	0.3125	10.625	10.5625	NaN	NaN	NaN	NaN	NaN	NaN	NaN	6.3125	145.5625
4	Бужорский_лес	NaN	0.250	1.0000	4.1250	1.3125	NaN	NaN	NaN	NaN	157.6875	1.6875	0.7500	NaN	2.6875	12.6875	13.0625	195.2500
5	Высокогорный_массив_Ачишхо	NaN	NaN	1026.0625	NaN	NaN	0.7500	NaN	NaN	7.5	25.3750	NaN	19.8750	NaN	5.1875	NaN	2.5625	1087.3125
6	Герпегем_обрезанная	NaN	NaN	626.8750	NaN	NaN	NaN	NaN	NaN	NaN	509.0000	NaN	64.8750	NaN	0.7500	NaN	11.8750	1213.3750
7	Гора_Паршивая	NaN	NaN	206.9375	123.0000	NaN	NaN	NaN	23.5000	NaN	29.0000	2.1875	25.2500	NaN	NaN	0.7500	60.2500	470.8750
8	Гора_Школьная	NaN	NaN	NaN	1.2500	2.3750	NaN	NaN	NaN	NaN	236.6875	3.8750	12.9375	NaN	NaN	5.1875	3.5000	265.8125
9	Горный_узел_Большое_Псеушх	NaN	NaN	4.3125	NaN	NaN	NaN	NaN	NaN	NaN	1535.3125	2.0625	4.2500	NaN	NaN	NaN	NaN	1545.9375

In [45]:

col_list = df.columns
for col in col_list:
    if col not in ('Name', 'Sum_Area'):
        df[str(col) + '_%'] = df[col] / df['Sum_Area'] * 100
    else:
        pass
#df = df.reindex(sorted(df.columns), axis=1)
df

Out[45]:

<style scoped=""> .dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; } </style>

	Name	0	20	30	40	50	60	80	90	111	...	80_%	90_%	111_%	114_%	115_%	116_%	121_%	124_%	125_%	126_%
0	Байрачные Дубравы	5.2500	NaN	2.1875	10.3750	NaN	NaN	0.7500	3.3125	0.5000	...	0.413365	1.825698	0.275577	32.242508	36.858422	2.239063	0.103341	NaN	5.304857	10.919738
1	Балка_Красногоровка	NaN	NaN	7.6250	12.8750	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
2	Балка_Натухаевская	NaN	2.8750	4.8750	1.8750	0.6250	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	4.304636	NaN	0.662252	NaN	3.311258	21.192053	16.225166
3	Балки_горы_Педенкова	38.5625	NaN	62.1250	17.0625	NaN	0.3125	10.6250	10.5625	NaN	...	7.299270	7.256333	NaN	NaN	NaN	NaN	NaN	NaN	NaN	4.336625
4	Бужорский_лес	NaN	0.2500	1.0000	4.1250	1.3125	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	80.761844	0.864277	0.384123	NaN	1.376440	6.498079	6.690141
5	Высокогорный_массив_Ачишхо	NaN	NaN	1026.0625	NaN	NaN	0.7500	NaN	NaN	7.5000	...	NaN	NaN	0.689774	2.333736	NaN	1.827901	NaN	0.477094	NaN	0.235673
6	Герпегем_обрезанная	NaN	NaN	626.8750	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	41.949109	NaN	5.346657	NaN	0.061811	NaN	0.978675
7	Гора_Паршивая	NaN	NaN	206.9375	123.0000	NaN	NaN	NaN	23.5000	NaN	...	NaN	4.990709	NaN	6.158747	0.464561	5.362357	NaN	NaN	0.159278	12.795328
8	Гора_Школьная	NaN	NaN	NaN	1.2500	2.3750	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	89.043028	1.457794	4.867153	NaN	NaN	1.951564	1.316718
9	Горный_узел_Большое_Псеушх	NaN	NaN	4.3125	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	99.312715	0.133414	0.274914	NaN	NaN	NaN	NaN
10	Дефановское_насаждение_пихты	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	100.000000	NaN	NaN	NaN	NaN	NaN	NaN
11	Долина_реки_Курджипс	7.1250	NaN	93.0625	NaN	0.3125	NaN	NaN	NaN	330.9375	...	NaN	NaN	21.375802	46.279924	24.678051	1.126317	NaN	NaN	0.048444	NaN
12	Каменные_грибы	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	100.000000	NaN	NaN	NaN	NaN	NaN	NaN
13	Коренной_берег_Кубани	7.3125	NaN	8.9375	8.6250	NaN	NaN	9.4375	4.9375	NaN	...	8.713214	4.558569	NaN	5.539527	23.427582	3.115984	NaN	NaN	9.809579	21.869590
14	Круглик	30.5625	NaN	750.8750	5.0625	NaN	NaN	NaN	3.3125	NaN	...	NaN	0.121954	NaN	63.526542	0.036816	3.308866	NaN	0.142663	0.128857	3.778274
15	Кудепстинский_лесопарк	NaN	NaN	NaN	NaN	0.0625	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	93.456033	4.294479	2.044990	NaN	NaN	NaN	NaN
16	Кустарниковый_участок_М_Зеленчук	NaN	NaN	1.3125	20.8750	NaN	NaN	0.6250	10.5625	NaN	...	0.546150	9.229929	NaN	8.410705	7.536865	9.666849	NaN	NaN	18.623703	26.597488
17	Новокубанский	6.0625	NaN	45.0000	160.6875	2.4375	NaN	7.2500	110.8125	NaN	...	0.235753	3.603366	NaN	59.871149	14.405333	1.957158	NaN	0.115844	4.172425	8.674092
18	Предгорный_природны_лесной_комплекс	NaN	0.6875	13.1875	65.5625	NaN	NaN	NaN	56.5000	NaN	...	NaN	2.447477	NaN	83.874810	4.681070	1.702946	NaN	0.552307	1.859974	1.440329
19	Расширение_заказника_Степн	NaN	NaN	1897.6250	990.6875	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	0.030208	0.051786	NaN	NaN	0.053943	0.148883
20	Урочище_Алексеевское	NaN	NaN	4.0000	10.3750	NaN	NaN	NaN	0.0625	NaN	...	NaN	0.432900	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
21	Урочище_Новомихайловское	NaN	NaN	6.8750	31.6250	NaN	NaN	NaN	8.6875	NaN	...	NaN	13.521401	NaN	NaN	5.350195	1.167315	NaN	NaN	14.105058	5.933852
22	Урочище_Шевченко	NaN	NaN	19.5625	23.9375	NaN	NaN	NaN	10.8125	NaN	...	NaN	15.350488	NaN	NaN	NaN	0.709849	NaN	NaN	9.405501	12.777285
23	Хребет_Грузинка	NaN	NaN	0.9375	19.7500	NaN	NaN	NaN	1.0000	NaN	...	NaN	0.062359	NaN	95.814171	0.105230	0.783381	NaN	0.428716	0.861330	0.654767
24	Хребет_Туапхат	NaN	1.6875	4.5000	NaN	8.1875	0.7500	0.3125	0.3750	170.6875	...	0.016319	0.019583	8.913476	60.719997	24.556937	0.143608	NaN	0.966089	2.157381	1.716766
25	Хребет_Экепце_Гадык	16.5625	NaN	295.6875	4.5000	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	55.416108	0.804192	4.605824	NaN	0.676252	1.711953	5.909589
26	Целинные степи_кургана_Бли	NaN	NaN	322.0625	13.4375	NaN	NaN	NaN	2.5000	NaN	...	NaN	0.739645	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
27	Шкуринские_балки	NaN	NaN	5.8125	6.0000	NaN	NaN	NaN	0.0625	NaN	...	NaN	0.497512	NaN	NaN	NaN	NaN	NaN	NaN	NaN	5.472637
28	Южно_Таманский_берег	17.6250	NaN	169.5000	1.1250	NaN	NaN	8.9375	0.7500	NaN	...	4.515314	0.378907	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN

29 rows × 34 columns

In [46]:

### Переводим названия всех колонок в str и сортируем по алфавиту
### df.columns = df.columns.astype(str)
### df = df.reindex(sorted(df.columns), axis=1)
### df

In [47]:

df.to_excel('table_landcover_pivot222.xls')

C:\Users\Evgenii\AppData\Local\Temp\ipykernel_11212\3617560819.py:1: FutureWarning: As the xlwt package is no longer maintained, the xlwt engine will be removed in a future version of pandas. This is the only engine in pandas that supports writing in the xls format. Install openpyxl and write to an xlsx file instead. You can set the option io.excel.xls.writer to 'xlwt' to silence this warning. While this option is deprecated and will also raise a warning, it can be globally set and the warning suppressed.
  df.to_excel('table_landcover_pivot222.xls')

In [ ]: