数据透视表
1.函数
pd.pivot_table(data, values=None, index=None, columns=None, aggfunc='mean',
fill_value=None, margins=False, dropna=True, margins_name='All')
============================================================
2.实例
from io import StringIO
data=' No Name Rep Manager Product Quantity Account Price Status \n' \
' 0 120 汤姆 乔丹 布什 摩托 1 200 1.1 OK \n' \
' 1 121 约翰 乔丹 布什 摩托 2 210 1.2 NG \n' \
' 2 122 张三 贺龙 朱德 摩托 3 220 1.3 OK \n' \
' 3 123 张三 贺龙 朱德 汽车 4 230 1.4 NG \n' \
' 4 124 王东 叶挺 朱德 摩托 5 240 1.5 OK \n' \
' 5 125 张兵 张飞 刘备 宝剑 6 250 1.6 NG '
columns = ['No', 'Name', 'Rep', 'Manager', 'Product', 'Quantity', 'Account', 'Price', 'Status']
df=pd.read_csv(StringIO(data), sep=r'\s+',names=columns,header=0)#保持列名有序
df["Status"] = df["Status"].astype("category")#加快速度
def sort_columnName(columnName):#定义列排序函数
s=pd.Series(np.arange(9),index=columns)
return s[columnName].sort_values().index
============================================================
实例1.1：index=["Name"]:使用Name列作为索引
df1=pd.pivot_table(df,index=["Name"])
df1[sort_columnName(df1.columns)]
No Quantity Account Price
Name
张三 122.5 3.5 225 1.35#名称重复 3项数据改变
张兵 125.0 6.0 250 1.60
汤姆 120.0 1.0 200 1.10
王东 124.0 5.0 240 1.50
约翰 121.0 2.0 210 1.20
实例1.2：index=["Name"], aggfunc='first'
df1=pd.pivot_table(df,index=["Name"], aggfunc='first')#返回首个重复值
df1[sort_columnName(df1.columns)]
No Rep Manager Product Quantity Account Price Status
Name
张三 122 贺龙 朱德 摩托 3 220 1.3 OK
张兵 125 张飞 刘备 宝剑 6 250 1.6 NG
汤姆 120 乔丹 布什 摩托 1 200 1.1 OK
王东 124 叶挺 朱德 摩托 5 240 1.5 OK
约翰 121 乔丹 布什 摩托 2 210 1.2 NG
实例1.3：index=["Name","Rep","Manager"]多个索引
df1=pd.pivot_table(df,index=["Name","Rep","Manager"])
df1[sort_columnName(df1.columns)]
No Quantity Account Price
Name Rep Manager
张三 贺龙 朱德 122.5 3.5 225 1.35
张兵 张飞 刘备 125.0 6.0 250 1.60
汤姆 乔丹 布什 120.0 1.0 200 1.10
王东 叶挺 朱德 124.0 5.0 240 1.50
约翰 乔丹 布什 121.0 2.0 210 1.20
实例1.3：通过将“Rep”列和“Manager”列进行对应分组，来实现数据聚合和总结
df1=pd.pivot_table(df,index=["Manager","Rep"])
df1[sort_columnName(df1.columns)]
No Quantity Account Price
Manager Rep
刘备 张飞 125.0 6.0 250 1.60
布什 乔丹 120.5 1.5 205 1.15
朱德 叶挺 124.0 5.0 240 1.50
贺龙 122.5 3.5 225 1.35
============================================================
实例2.：values=["Price"]
Account”和“Quantity”列对于我们来说并没什么用。
利用“values”域显式地定义我们关心的列，就可以实现移除那些不关心的列。
pd.pivot_table(df,index=["Manager","Rep"],values=["Price"])
Price
Manager Rep
刘备 张飞 1.60
布什 乔丹 1.15
朱德 叶挺 1.50
贺龙 1.35
# “Price”列会自动计算数据平均值
===========================================================
实例3.1：aggfunc=np.sum对该列元素进行计数或求和。
pd.pivot_table(df,index=["Manager","Rep"],values=["Price"],aggfunc=np.sum)
Price
Manager Rep
刘备 张飞 1.6
布什 乔丹 2.3
朱德 叶挺 1.5
贺龙 2.7
实例3.2：
pd.pivot_table(df,index=["Manager","Rep"],values=["Price"],aggfunc=[np.mean,len])
mean len
Price Price
Manager Rep
刘备 张飞 1.60 1.0
布什 乔丹 1.15 2.0
朱德 叶挺 1.50 1.0
贺龙 1.35 2.0
===========================================================
列vs.值
如果我们想通过不同产品来分析销售情况，那么变量“columns”将允许我们定义一个或多个列。
我认为pivot_table中一个令人困惑的地方是“columns（列）”和“values（值）”的使用。
记住，变量“columns（列）”是可选的，它提供一种额外的方法来分割你所关心的实际值。
然而，聚合函数aggfunc最后是被应用到了变量“values”中你所列举的项目上。
实例4.：columns
pd.pivot_table(df,index=["Manager","Rep"],values=["Price"],
columns=["Product"],aggfunc=[np.sum])
sum
Price
Product 宝剑 摩托 汽车
Manager Rep
刘备 张飞 1.6 NaN NaN
布什 乔丹 NaN 2.3 NaN
朱德 叶挺 NaN 1.5 NaN
贺龙 NaN 1.3 1.4
实例5.1：fill_value=0NaN移除用
pd.pivot_table(df,index=["Manager","Rep"],values=["Price"],
columns=["Product"],aggfunc=[np.sum],fill_value=0)
sum
Price
Product 宝剑 摩托 汽车
Manager Rep
刘备 张飞 1.6 0.0 0.0
布什 乔丹 0.0 2.3 0.0
朱德 叶挺 0.0 1.5 0.0
贺龙 0.0 1.3 1.4
实例5.2：添加“Quantity”列
pd.pivot_table(df,index=["Manager","Rep"],values=["Price","Quantity"],
columns=["Product"],aggfunc=[np.sum],fill_value=0)
sum
Price Quantity
Product 宝剑 摩托 汽车 宝剑 摩托 汽车
Manager Rep
刘备 张飞 1.6 0.0 0.0 6 0 0
布什 乔丹 0.0 2.3 0.0 0 3 0
朱德 叶挺 0.0 1.5 0.0 0 5 0
贺龙 0.0 1.3 1.4 0 3 4
实例5.3：我们将“Product”从“columns”中移除，并添加到“index”变量中。
pd.pivot_table(df,index=["Manager","Rep","Product"],
values=["Price","Quantity"],aggfunc=[np.sum],fill_value=0)
sum
Price Quantity
Manager Rep Product
刘备 张飞 宝剑 1.6 6
布什 乔丹 摩托 2.3 3
朱德 叶挺 摩托 1.5 5
贺龙 摩托 1.3 3
汽车 1.4 4
实例6：查看一些总和数据“margins=True”
pd.pivot_table(df,index=["Manager","Rep","Product"],values=["Price","Quantity"],
aggfunc=[np.sum,np.mean],fill_value=0,margins=True)
sum mean
Price Quantity Price Quantity
Manager Rep Product
刘备 张飞 宝剑 1.6 6 1.60 6.0
布什 乔丹 摩托 2.3 3 1.15 1.5
朱德 叶挺 摩托 1.5 5 1.50 5.0
贺龙 摩托 1.3 3 1.30 3.0
汽车 1.4 4 1.40 4.0
All 8.1 21 1.35 3.5
实例7：margins=True让我们以更高的管理者角度来分析此渠道。
根据我们前面对category的定义，注意现在“Status”是如何排序的。
pd.pivot_table(df,index=["Manager","Status"],values=["Price"],
aggfunc=[np.sum],fill_value=0,margins=True)
sum
Price
Manager Status
刘备 NG 1.6
布什 NG 1.2
OK 1.1
朱德 NG 1.4
OK 2.8
All 8.1
实例8.1：
为了对你选择的不同值执行不同的函数，你可以向aggfunc传递一个字典。
不过，这样做有一个副作用，那就是必须将标签做的更加简洁才行。
pd.pivot_table(df,index=["Manager","Status"],columns=["Product"],values=["Quantity","Price"],
aggfunc={"Quantity":len,"Price":np.sum},fill_value=0)
Out[265]:
Price Quantity
Product 宝剑 摩托 汽车 宝剑 摩托 汽车
Manager Status
刘备 NG 1.6 0.0 0.0 1 0 0
布什 NG 0.0 1.2 0.0 0 1 0
OK 0.0 1.1 0.0 0 1 0
朱德 NG 0.0 0.0 1.4 0 0 1
OK 0.0 2.8 0.0 0 2 0
实例8.2：
此外，你也可以提供一系列的聚合函数，并将它们应用到“values”中的每个元素上。
table = pd.pivot_table(df,index=["Manager","Status"],columns=["Product"],values=["Quantity","Price"],
aggfunc={"Quantity":len,"Price":[np.sum,np.mean]},fill_value=0)
Price Quantity
mean sum len
Product 宝剑 摩托 汽车 宝剑 摩托 汽车 宝剑 摩托 汽车
Manager Status
刘备 NG 1.6 0.0 0.0 1.6 0.0 0.0 1 0 0
布什 NG 0.0 1.2 0.0 0.0 1.2 0.0 0 1 0
OK 0.0 1.1 0.0 0.0 1.1 0.0 0 1 0
朱德 NG 0.0 0.0 1.4 0.0 0.0 1.4 0 0 1
OK 0.0 1.4 0.0 0.0 2.8 0.0 0 2 0
经验法则：一旦你使用多个“grouby”，那么你需要评估此时使用透视表是否是一种好的选择。
============================================================
3.高级透视表过滤
一旦你生成了需要的数据，那么数据将存在于数据帧中。
所以，你可以使用自定义的标准数据帧函数来对其进行过滤。
实例9.1：如果你只想查看一个管理者（例如朱德）的数据，可以这样：
table.query('Manager == ["朱德"]')
Price Quantity
mean sum len
Product 宝剑 摩托 汽车 宝剑 摩托 汽车 宝剑 摩托 汽车
Manager Status
朱德 NG 0.0 0.0 1.4 0.0 0.0 1.4 0 0 1
OK 0.0 1.4 0.0 0.0 2.8 0.0 0 2 0
实例9.2：我们可以查看所有的暂停（NG）和成功（OK）的交易，代码如下所示：
table.query('Status == ["OK","NG"]')
Price Quantity
mean sum len
Product 宝剑 摩托 汽车 宝剑 摩托 汽车 宝剑 摩托 汽车
Manager Status
刘备 NG 1.6 0.0 0.0 1.6 0.0 0.0 1 0 0
布什 NG 0.0 1.2 0.0 0.0 1.2 0.0 0 1 0
OK 0.0 1.1 0.0 0.0 1.1 0.0 0 1 0
朱德 NG 0.0 0.0 1.4 0.0 0.0 1.4 0 0 1
OK 0.0 1.4 0.0 0.0 2.8 0.0 0 2 0
这是pivot_table中一个很强大的特性，所以一旦你得到了你所需要的pivot_table格式的数据，
就不要忘了此时你就拥有了pandas的强大威力。
============================================================
参考
https://nbviewer.jupyter.org/url/pbpython.com/extras/Pandas-Pivot-Table-Explained.ipynb51 pandas pivot_table数据透视表（tcy）
猜你喜欢
转载自blog.csdn.net/tcy23456/article/details/86484645
今日推荐
周排行