如何使用Pandas在Python中创建透视表 |
您所在的位置：网站首页 › 表格怎么生成透视图形图片 › 如何使用Pandas在Python中创建透视表 |
如何使用Pandas在Python中创建透视表
|
如何使用Pandas在Python中创建透视表
数据透视表是一个统计表，它总结了一个像大数据集这样的实质性表格。它是数据处理的一部分。透视表中的这种总结可能包括平均数、中位数、总和或其他统计术语。数据透视表最初与MS Excel有关，但我们可以在Python中使用Pandas的dataframe.pivot()方法来创建一个数据透视表。 语法 : dataframe.pivot(self, index=None, columns=None, values=None, aggfunc) 参数 – index:列，用于制作新框架的索引。 columns：列为新框架的列。 values:列，用于填充新框架的值。 aggfunc:函数，函数列表，dict，默认numpy.mean 示例 1: 让我们首先创建一个包括水果销售的数据框架。 # importing pandas import pandas as pd # creating dataframe df = pd.DataFrame({'Product' : ['Carrots', 'Broccoli', 'Banana', 'Banana', 'Beans', 'Orange', 'Broccoli', 'Banana'], 'Category' : ['Vegetable', 'Vegetable', 'Fruit', 'Fruit', 'Vegetable', 'Fruit', 'Vegetable', 'Fruit'], 'Quantity' : [8, 5, 3, 4, 5, 9, 11, 8], 'Amount' : [270, 239, 617, 384, 626, 610, 62, 90]}) df输出:
获得每个产品的总销售额。 # creating pivot table of total sales # product-wise aggfunc = 'sum' will # allow you to obtain the sum of sales # each product pivot = df.pivot_table(index =['Product'], values =['Amount'], aggfunc ='sum') print(pivot)输出:
获得每个类别的总销售额。 # creating pivot table of total # sales category-wise aggfunc = 'sum' # will allow you to obtain the sum of # sales each product pivot = df.pivot_table(index =['Category'], values =['Amount'], aggfunc ='sum') print(pivot)输出:
获得类别和产品的总销售额。 # creating pivot table of sales # by product and category both # aggfunc = 'sum' will allow you # to obtain the sum of sales each # product pivot = df.pivot_table(index =['Product', 'Category'], values =['Amount'], aggfunc ='sum') print (pivot)输出 –
按类别获得平均数、中位数、最低销售量。 # creating pivot table of Mean, Median, # Minimum sale by category aggfunc = {'median', # 'mean', 'min'} will get median, mean and # minimum of sales respectively pivot = df.pivot_table(index =['Category'], values =['Amount'], aggfunc ={'median', 'mean', 'min'}) print (pivot)输出 –
按产品获取平均数、中位数、最小销售量。 # creating pivot table of Mean, Median, # Minimum sale by product aggfunc = {'median', # 'mean', 'min'} will get median, mean and # minimum of sales respectively pivot = df.pivot_table(index =['Product'], values =['Amount'], aggfunc ={'median', 'mean', 'min'}) print (pivot)输出:
|
【本文地址】
今日新闻 |
推荐新闻 |