【Python】開啟Pandas進階：圖解Pandas透視表、交叉表

一、圖解Pandas透視表、交叉表

終于開始Pandas進階內容的寫作了。相信很多人都應該知道透視表，在Excel會經(jīng)常去制作它，來實現(xiàn)數(shù)據(jù)的分組匯總統(tǒng)計。在Pandas中，我們把它稱之為pivot_table。

透視表的制作靈活性高，可以隨意定制我們想要的的計算統(tǒng)計要求，一般在制作報表神器的時候常用。

下面通過具體的例子來對比Excel和Pandas中透視表的實現(xiàn)方法。

二、Excel透視表

下面是在Excel表格中使用消費數(shù)據(jù)制作的透視表（部分數(shù)據(jù)截圖），我們統(tǒng)計的是不同性別不同日期下的消費金額和小費，同時還顯示了總計的數(shù)據(jù)。

那如果是使用pandas該如何來實現(xiàn)呢？？？

三、透視表參數(shù)

pandas中實現(xiàn)透視表使用的是：pandas.pivot_table

pd.pivot_table(data,  # 制作透視表的數(shù)據(jù)
               values=None,  # 值
               index=None,  # 行索引
               columns=None,  # 列屬性
               aggfunc='mean',   # 使用的函數(shù)，默認是均值
               fill_value=None,  # 缺失值填充
               margins=False, # 是否顯示總計
               dropna=True,   # 缺失值處理
               margins_name='All', # 總計顯示為All
               observed=False,  
               sort=True  # 排序功能  版本1.3.0才有
              )

最重要的參數(shù)還是：values、index、columns、aggfunce，甚至包含margins、margins_name

附上官網(wǎng)學習地址：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.pivot_table.html

四、透視表參數(shù)詳解

4.1參數(shù)index

index表示的是我們生成透視表指定的行索引

1、單層索引

2、多層行索引

4.2參數(shù)values

在上面index參數(shù)的使用中，我們沒有指定values參數(shù)，pandas會默認將全部的數(shù)值型數(shù)據(jù)進行透視表的計算，現(xiàn)在指定參數(shù)計算的數(shù)據(jù)：

• 帶上values，只會顯示我們指定的數(shù)據(jù)
• 不帶上values，數(shù)值型的數(shù)據(jù)匯總結果全部顯示

4.3參數(shù)columns

columns是一個顯示列屬性信息的參數(shù)

如果我們將day放在index參數(shù)中，會是什么樣子呢？

相當于是：將上面的寬表格式轉成了下面的長表格式

再對比下兩種不同的形式：

4.4參數(shù)aggfunc

aggfunc是一個很靈活的參數(shù)，它是用來指定我們匯總想用哪種函數(shù)，默認是均值mean，我們也可以使用求和sum、最值max等。多個函數(shù)需要放在一個列表中。

我們將默認求平均mean的情況與求和的情況進行對比：

均值和sum求和之間的關系：

我們可以在aggfunc函數(shù)中指定多個函數(shù)，將這些函數(shù)放在同一個列表中：

• 求和：np.sum
• 求均值：mean
• 求個數(shù)：size

再看一個例子：

4.5參數(shù)margins、margins_name

這兩個參數(shù)的作用是對透視表中的分組數(shù)據(jù)進行匯總顯示。需要注意的是：只有margins=True，參數(shù)margins_name的設置才會生效。

修改匯總顯示的名字：

如果有列字段，也會顯示匯總的數(shù)據(jù)：

五、交叉表crosstab

交叉表可以理解成一種特殊的透視表，專門用于計算分組的頻率。

5.1參數(shù)

交叉表中每個參數(shù)的解釋，很多還是和透視表相同的：

pandas.crosstab(index, # 行索引，必須是數(shù)組結構數(shù)據(jù)，或者Series，或者是二者的列表形式
                columns, # 列字段；數(shù)據(jù)要求同上
                values=None,  # 待透視的數(shù)據(jù)
                rownames=None,  # 行列名字
                colnames=None,  
                aggfunc=None,  # 透視的函數(shù)
                margins=False,  # 匯總及名稱設置
                margins_name='All', 
                dropna=True, # 舍棄缺失值
                normalize=False  # 數(shù)據(jù)歸一化；可以是布爾值、all、index、columns、或者{0,1}
               )

對最后一個參數(shù)的解釋：如何選擇歸一化的標準

• If passed ‘a(chǎn)ll’ or True, will normalize over all values：使用all，對全部的數(shù)值型數(shù)據(jù)歸一化
• If passed ‘index’ will normalize over each row：使用index，僅在行上歸一化
• If passed ‘columns’ will normalize over each column：使用columns，僅在列上歸一化
• If margins is True, will also normalize margin values：如果margins=True，總計值也會參與歸一化

5.2參數(shù)使用

當然，有時候透視表和交叉表是可以實現(xiàn)相同的功能：

六、groupby實現(xiàn)

其實透視表或者交叉表的本質還是分組匯總統(tǒng)計結果，我們也可以利用groupby來實現(xiàn)：

1、先分組統(tǒng)計

2、軸旋轉unstack

上面的結果格式上不是很友好，使用的是多層次索引，我們使用軸旋轉函數(shù)unstack將行轉成列：

七、groupby和透視表比較

最后再用一個例子來比較下groupby和透視表：

八、備忘錄

這個網(wǎng)上非常流行的一張圖解Pandas透視表函數(shù)的圖形，它利用一份簡單的數(shù)據(jù)，清晰明了地講解了pivot_table函數(shù)的每個參數(shù)的含義，保存?zhèn)溆茫?/p>