數(shù)據(jù)分析師大概都有過這樣的經(jīng)歷——面對(duì)一張幾萬行的原始數(shù)據(jù)表，老板要的是"按地區(qū)、按季度、按產(chǎn)品類別"的匯總報(bào)表，而你手里只有一堆散亂的流水記錄。這時(shí)候，pivot_table 就是你最得力的工具。它不是什么高深的黑魔法，本質(zhì)上就是把"長(zhǎng)條形"的原始數(shù)據(jù)，折疊成一張人人看得懂的二維匯總表——同時(shí)完成分組、聚合、重塑三件事，一行代碼搞定。

一、先搞清楚它在做什么

pivot_table 的工作邏輯，拆開來看其實(shí)只有三步：

第一步，分組。 按照你指定的 index 和 columns 字段，把數(shù)據(jù)切成若干個(gè)小格子——就像把一張大桌子劃分成行和列的網(wǎng)格。

第二步，聚合。 每個(gè)格子里可能有多條記錄，用 aggfunc 指定的函數(shù)（求和、均值、計(jì)數(shù)……）把它們壓縮成一個(gè)數(shù)字。

第三步，重塑。 把壓縮后的結(jié)果擺進(jìn)二維表格，行由 index 決定，列由 columns 決定，一張干凈的匯總表就成型了。

這里有個(gè)容易混淆的地方：pivot() 和 pivot_table() 長(zhǎng)得很像，但前者要求每個(gè)行列組合唯一，遇到重復(fù)數(shù)據(jù)直接報(bào)錯(cuò)；后者通過聚合函數(shù)處理重復(fù)值，日常工作中幾乎永遠(yuǎn)用后者。同樣，groupby() 也能分組聚合，但輸出的是"長(zhǎng)格式"結(jié)果，不會(huì)自動(dòng)幫你鋪成二維表。三者各有用武之地，但要生成報(bào)表，pivot_table 是最直接的路。

二、把參數(shù)吃透

pandas.pivot_table(
    data,
    values=None,
    index=None,
    columns=None,
    aggfunc='mean',
    fill_value=None,
    margins=False,
    dropna=True,
    margins_name='All',
    observed=False,   # pandas 2.2+ 建議顯式設(shè)為 True
    sort=True
)

參數(shù)不多，但每一個(gè)都有講究，下面逐一說清楚：

有兩個(gè)參數(shù)特別容易被忽略，單獨(dú)說一下。

fill_value 和 dropna 經(jīng)常被當(dāng)成同一回事，但它們作用的時(shí)機(jī)完全不同。dropna=True 發(fā)生在聚合之前，把含 NaN 的行直接丟掉；fill_value 發(fā)生在聚合之后，把結(jié)果表里出現(xiàn)的空格填上指定的值。兩者同時(shí)使用時(shí)，先丟后填，順序不能搞反。

observed 參數(shù)在 pandas 2.2 之后變得重要起來。如果分組字段是 Categorical 類型，默認(rèn)的 observed=False 會(huì)把所有類別組合都列出來，哪怕某些組合在數(shù)據(jù)里根本不存在，結(jié)果表會(huì)憑空多出一堆全零的行。改成 observed=True 就只展示真實(shí)出現(xiàn)過的組合，干凈很多。

三、從零開始，跑通第一個(gè)例子

import pandas as pd
import numpy as np

df = pd.DataFrame({
    "A": ["foo", "foo", "foo", "foo", "foo", "bar", "bar", "bar", "bar"],
    "B": ["one", "one", "one", "two", "two", "one", "one", "two", "two"],
    "C": ["small", "large", "large", "small", "small", "large", "small", "small", "large"],
    "D": [1, 2, 2, 3, 3, 4, 5, 6, 7],
    "E": [2, 4, 5, 5, 6, 6, 8, 9, 9]
})

最基礎(chǔ)的用法： 按 A、B 分行，按 C 分列，對(duì) D 列求和。

table = pd.pivot_table(df, values='D', index=['A', 'B'],
                       columns=['C'], aggfunc="sum")
# C        large  small
# A   B
# bar one    4.0    5.0
#     two    7.0    6.0
# foo one    4.0    1.0
#     two    NaN    6.0

結(jié)果里出現(xiàn)了 NaN——因?yàn)?foo/two/large 這個(gè)組合在原始數(shù)據(jù)里不存在。加上 fill_value=0 就能填平：

table = pd.pivot_table(df, values='D', index=['A', 'B'],
                       columns=['C'], aggfunc="sum", fill_value=0)

對(duì)不同列用不同聚合函數(shù)： 這是 aggfunc 字典語法最實(shí)用的地方——D 列求均值，E 列同時(shí)算最小值、最大值和均值。

table = pd.pivot_table(df, values=['D', 'E'], index=['A', 'C'],
                       aggfunc={'D': 'mean', 'E': ['min', 'max', 'mean']})
# 結(jié)果列變成多層，E 列下掛三個(gè)子列

四、真實(shí)場(chǎng)景里怎么用

銷售報(bào)表：最經(jīng)典的用法

季度銷售匯總大概是 pivot_table 被用得最多的場(chǎng)景。一張?jiān)加唵伪?，幾行代碼變成管理層要的那種"行是季度、列是地區(qū)、格子里是銷售額"的報(bào)表：

data = {
    '地區(qū)': ['華東', '華東', '華北', '華北', '華南', '華南'],
    '產(chǎn)品': ['A', 'B', 'A', 'B', 'A', 'B'],
    '季度': [1, 1, 1, 2, 2, 2],
    '銷售額': [150000, 120000, 90000, 110000, 130000, 95000],
    '利潤(rùn)':  [30000,  24000,  18000,  22000,  26000,  19000]
}
df_sales = pd.DataFrame(data)

pivot = pd.pivot_table(
    data=df_sales,
    values=['銷售額', '利潤(rùn)'],
    index='季度',
    columns='地區(qū)',
    aggfunc='sum',
    fill_value=0,
    margins=True,
    margins_name='總計(jì)'
)
print(pivot)

margins=True 會(huì)自動(dòng)在末尾追加一行一列的匯總，省去手動(dòng)求和的麻煩。

時(shí)間維度分析：多層索引的威力

當(dāng)你想同時(shí)按"地區(qū)"和"月份"分行時(shí)，把它們打包成列表傳給 index 就行，pandas 會(huì)自動(dòng)生成多層索引：

df['月份'] = df['日期'].dt.month

pivot = pd.pivot_table(
    data=df,
    index=['地區(qū)', '月份'],   # 兩級(jí)行索引
    columns='產(chǎn)品',
    values='銷售額',
    aggfunc='sum'
)

生成的表格可以用 .xs() 切片訪問某一層：

pivot.xs('華東', level='地區(qū)')   # 只看華東的數(shù)據(jù)

用戶行為分析：多函數(shù)同時(shí)上

想同時(shí)看"總訪問量"和"人均訪問次數(shù)"？一次搞定：

pivot = pd.pivot_table(
    data=df_user,
    index='用戶等級(jí)',
    columns='訪問渠道',
    values='訪問次數(shù)',
    aggfunc=['sum', 'mean'],
    fill_value=0
)

五、幾個(gè)讓結(jié)果更好用的技巧

自定義聚合函數(shù)

aggfunc 接受任意 Python 函數(shù)，不局限于內(nèi)置統(tǒng)計(jì)量。比如想算極差（最大值減最小值）：

pivot = pd.pivot_table(df, values='D', index='A',
                       aggfunc=lambda x: x.max() - x.min())

或者同時(shí)跑多個(gè)函數(shù)：

pivot = pd.pivot_table(df, values='D', index='A',
                       aggfunc=['sum', 'mean', 'count', np.std])

扁平化多層列名

使用多個(gè) aggfunc 時(shí)，結(jié)果列會(huì)變成 MultiIndex，導(dǎo)出 Excel 或做后續(xù)處理時(shí)很麻煩。一行代碼壓平：

pivot.columns = ['_'.join(col).strip() for col in pivot.columns.values]
# 原來的 ('sum', 'D') 變成 'sum_D'，清爽很多

鏈?zhǔn)讲僮鳎和敢曂杲又Y選

pivot_table 的結(jié)果是標(biāo)準(zhǔn) DataFrame，可以直接接 query()、sort_values() 等操作：

result = (
    pd.pivot_table(df, values='銷售額', index='地區(qū)', aggfunc='sum')
    .reset_index()
    .sort_values('銷售額', ascending=False)
    .query('銷售額 > 100000')
)

六、幾種相近方法的橫向?qū)Ρ?/h2>

選哪個(gè)方法，取決于你的數(shù)據(jù)形態(tài)和目標(biāo)輸出：

方法	支持重復(fù)值	支持聚合	輸出格式	最適合
pivot()	?	?	寬格式	數(shù)據(jù)唯一，純重塑
pivot_table()	?	? 靈活	寬格式	匯總報(bào)表、多維分析
groupby()	?	? 靈活	長(zhǎng)格式	分組統(tǒng)計(jì)，結(jié)果靈活
crosstab()	?	? 默認(rèn)頻次	寬格式	交叉頻次統(tǒng)計(jì)

經(jīng)驗(yàn)上來說：要生成"行×列"二維匯總表，首選 pivot_table；只需要對(duì)單列做分組統(tǒng)計(jì)，groupby 更簡(jiǎn)潔；做問卷數(shù)據(jù)的交叉分析，crosstab 最順手。

七、綜合實(shí)戰(zhàn)：電商訂單分析

把前面說的技巧都用上，跑一個(gè)完整的例子：

import pandas as pd
import numpy as np

np.random.seed(42)
n = 200
df = pd.DataFrame({
    '地區(qū)':    np.random.choice(['華東', '華北', '華南', '西部'], n),
    '產(chǎn)品類別': np.random.choice(['電子', '服裝', '食品'], n),
    '季度':    np.random.choice([1, 2, 3, 4], n),
    '銷售額':  np.random.randint(1000, 50000, n),
    '利潤(rùn)':    np.random.randint(100, 10000, n),
    '訂單數(shù)':  np.random.randint(1, 100, n)
})

# 多維透視：行=地區(qū)+季度，列=產(chǎn)品類別
# 銷售額求和，利潤(rùn)求均值，末尾加總計(jì)
pivot = pd.pivot_table(
    data=df,
    values=['銷售額', '利潤(rùn)'],
    index=['地區(qū)', '季度'],
    columns='產(chǎn)品類別',
    aggfunc={'銷售額': 'sum', '利潤(rùn)': 'mean'},
    fill_value=0,
    margins=True,
    margins_name='匯總'
)

# 扁平化列名，方便后續(xù)處理
pivot.columns = ['_'.join(col) for col in pivot.columns]
print(pivot.head(10))

# 單獨(dú)看華東的數(shù)據(jù)
print(pivot.xs('華東', level='地區(qū)'))

寫在最后

pivot_table 的價(jià)值，在于它把"分組→聚合→重塑"這三步操作壓縮成了一行聲明式代碼，讓你把精力放在"我想看什么"上，而不是"怎么把數(shù)據(jù)搬來搬去"。

用熟之后，記住幾個(gè)核心習(xí)慣：index/columns 控制維度，aggfunc 字典語法處理異構(gòu)聚合，margins=True 自動(dòng)加總計(jì)，fill_value 收拾稀疏數(shù)據(jù)的爛攤子，結(jié)果是標(biāo)準(zhǔn) DataFrame，隨時(shí)可以接后續(xù)操作。

剩下的，就是多跑幾次真實(shí)數(shù)據(jù)，感覺自然就來了。

參考資料

• pandas 官方 API 文檔：pandas.pivot_table
• pandas 官方用戶指南：Reshaping and pivot tables
• 華為云開發(fā)者社區(qū)：深入探究Pandas中的透視表：基礎(chǔ)到高級(jí)應(yīng)用全覆蓋
• 百度 Comate：Pandas數(shù)據(jù)透視表：多維度聚合與動(dòng)態(tài)分析實(shí)戰(zhàn)指南

到此這篇關(guān)于Pandas數(shù)據(jù)透視表pivot_table的使用小結(jié)的文章就介紹到這了,更多相關(guān)Pandas數(shù)據(jù)透視表pivot_table內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論