快捷導(dǎo)航

Pandas實(shí)現(xiàn)(pivot_table函數(shù))數(shù)據(jù)透視表方式

更新時(shí)間：2024年09月10日 16:26:21 作者：呀～吼

pandas的pivot_table()函數(shù)非常強(qiáng)大,主要用于創(chuàng)建數(shù)據(jù)透視表,重要參數(shù)包括index、values、columns和aggfunc,index用于設(shè)置行索引,類似于SQL中的group by,values用于進(jìn)行聚合計(jì)算的數(shù)據(jù)選擇,columns參數(shù)可設(shè)置列層次,非必須

Pandas (pivot_table函數(shù))數(shù)據(jù)透視表

使用pandas中的pivot_table()實(shí)現(xiàn)數(shù)據(jù)透視表。

語法格式如下：

pd.pivot_table(data,values=None,index=None,
			   columns=None,aggfunc='mean',fill_value=None,margins=False,dropna=True,
			   margins_name='All')

pd.pivot_table()有四個(gè)最重要的參數(shù)index、values、columns、aggfunc。

四個(gè)最重要參數(shù)解析

index：

相當(dāng)于SQL里的group by用于分組的字段，相當(dāng)于行索引。
index也是層次字段，要通過透視表獲取什么信息就按照相應(yīng)的順序設(shè)置字段。

pd.pivot_table(data,index=['列名1','列名2'])

values：

相當(dāng)于SQL里對列進(jìn)行聚合計(jì)算
對需要的計(jì)算數(shù)據(jù)進(jìn)行篩選

pd.pivot_table(data,index=['列名1','列名2'],values=['計(jì)算列名1','計(jì)算列名2','計(jì)算列名3'])

columns：

columns類似index可以設(shè)置列層次字段
它不是一個(gè)必要參數(shù)，作為一種分割數(shù)據(jù)的可選方式

pd.pivot_table(data,index=['列名1','列名2'],
				values=['計(jì)算列名1','計(jì)算列名2','計(jì)算列名3'],columns=['列名3'])

aggfunc：

aggfunc參數(shù)可以設(shè)置對數(shù)據(jù)聚合時(shí)進(jìn)行的函數(shù)操作。
對于aggfunc參數(shù)，操作的是values后面的值，而不是columns后面的值。
分別對values參數(shù)中的每一列都進(jìn)行求和與求平均值。

pd.pivot_table(data,index=['列名1','列名2'],
				values=['計(jì)算列名1','計(jì)算列名2','計(jì)算列名3'],aggfunc=[np.sum,np.mean])

fill_value：當(dāng)數(shù)據(jù)為空時(shí)，填充的指定值。fill_value=0

注意：

aggfunc也可以使用dict類型，這樣可以指定values中每一列的聚合函數(shù)。
如果dict中的內(nèi)容與values不匹配時(shí)，以dict中為準(zhǔn)。

table=pd.pivot_table(data,index=['列名1','列名2'],columns=['列名3'],
					values=['計(jì)算列名1','計(jì)算列名2','計(jì)算列名3'],
					aggfunc={'計(jì)算列名1':np.mean,'計(jì)算列名2':[min, max, np.mean]},fill_value=0)

結(jié)果就是’計(jì)算列名2’求min,max和mean,'計(jì)算列名1’求mean,而’計(jì)算列名3’沒有顯示。