【Python基础】在pandas中使用数据透视表 |
您所在的位置:网站首页 › 数据透视表在什么地方 › 【Python基础】在pandas中使用数据透视表 |
文章来源于Python大数据分析,作者朱卫军 什么是透视表?经常做报表的小伙伴对数据透视表应该不陌生,在excel中利用透视表可以快速地进行分类汇总,自由组合字段聚合计算,而这些只需要拖拉拽就能实现。 维基百科对透视表(pivot table)解释是: A 「pivot table」 is a table of statistics that summarizes the data of a more extensive table. 透视表是一种汇总了更广泛表数据的统计信息表。 典型的数据格式是扁平的,只包含行和列,不方便总结信息: 而数据透视表可以快速抽取有用的信息: pandas作为编程领域最强大的数据分析工具之一,自然也有透视表的功能。 在pandas中,透视表操作由pivot_table()函数实现,不要小看只是一个函数,但却可以玩转数据表,解决大麻烦。 pivot_table使用方法: 参数解释: data:dataframe格式数据 values:需要汇总计算的列,可多选 index:行分组键,一般是用于分组的列名或其他分组键,作为结果DataFrame的行索引 columns:列分组键,一般是用于分组的列名或其他分组键,作为结果DataFrame的列索引 aggfunc:聚合函数或函数列表,默认为平均值 fill_value:设定缺失替换值 margins:是否添加行列的总计 dropna:默认为True,如果列的所有值都是NaN,将不作为计算列,False时,被保留 margins_name:汇总行列的名称,默认为All observed:是否显示观测值 注意,在所有参数中,values、index、columns最为关键,它们分别对应excel透视表中的值、行、列: 参数aggfunc对应excel透视表中的值汇总方式,但比excel的聚合方式更丰富: 下面拿数据练一练,示例数据表如下: 该表为用户订单数据,有订单日期、商品类别、价格、利润等维度。 首先导入数据: data = pd.read_excel("E:\\订单数据.xlsx") data.head()接下来使用透视表做分析: 计算每个州销售总额和利润总额 result1 = pd.pivot_table(data,index='洲' , values = ['销售额','利润'] , aggfunc = np.sum) result1.head()计算每个洲每个城市每单平均销售量 result2 = pd.pivot_table(data,index=['洲','城市'],aggfunc=np.mean,values=['数量']) result2.head(20)计算每个洲的总销量和每单平均销量 result3 = pd.pivot_table(data,index=['洲'],aggfunc=[np.sum,np.mean],values=['数量']) result3.head()看每个城市(行)每类商品(列)的总销售量,并汇总计算 result4 = pd.pivot_table(data,index=['城市'],columns=['商品类别'],aggfunc=[np.sum],values=['数量'],margins=True) result4.head()本文介绍了pandas pivot_table函数的使用,其透视表功能基本和excel类似,但pandas的聚合方式更加灵活和多元,处理大数据也更快速,大家有兴趣可探索更高级的用法。 备注:本站的微信群尚有几十个名额,可以直接扫码进入。 若扫码显示满员请扫下面的二维码: |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |