Pandas玩轉(zhuǎn)數(shù)據(jù)透視表,用它就夠了!
對(duì)于數(shù)據(jù)透視表，相信對(duì)于 Excel 比較熟悉的小伙伴都知道如何使用它，并了解它的強(qiáng)大之處，而在pandas中要實(shí)現(xiàn)數(shù)據(jù)透視就要用到pivot_table了。
導(dǎo)入示例數(shù)據(jù)
首先導(dǎo)入演示的數(shù)據(jù)集。
import?pandas?as?pd
df?=?pd.read_csv('銷售目標(biāo).csv')
df.head()
參數(shù)說明
主要參數(shù)：
data：待操作的 DataFramevalues：被聚合操作的列，可選項(xiàng)index：行分組鍵，作為結(jié)果 DataFrame 的行索引columns：列分組鍵，作為結(jié)果 DataFrame 的列索引aggfunc：聚合函數(shù)/函數(shù)列表，默認(rèn) numpy.mean 這里要注意如果 aggfunc 中存在函數(shù)列表，則返回的 DataFrame 中會(huì)顯示函數(shù)名稱fill_value：默認(rèn) None，可設(shè)定缺省值dropna：默認(rèn) True，如果列的所有值都是 NaN，將被刪除；False 則保留margins：默認(rèn) False，設(shè)置為 True 可以添加行/列的總計(jì)margins_name：默認(rèn)顯示 'ALL'，當(dāng)margins = True時(shí)，可以設(shè)定 margins ?行/列的名稱
常用操作
使用pivot_table時(shí)必須要指定index，因?yàn)橛?jì)算時(shí)要根據(jù)index進(jìn)行聚合。
pd.pivot_table(df.head(20),
???????????????index='訂單日期',
???????????????aggfunc=np.sum)
通過指定value來選擇被聚合的列。
pd.pivot_table(df.head(20),
???????????????values='銷售目標(biāo)',
???????????????index='訂單日期',
???????????????aggfunc=np.sum)
當(dāng)只指定index進(jìn)行聚合時(shí)，其實(shí)用groupby可以實(shí)現(xiàn)同樣的效果。
df.head(20).groupby(['訂單日期'])['銷售目標(biāo)'].sum().reset_index()
添加columns參數(shù)，對(duì)列分組。
pd.pivot_table(df.head(10),
???????????????values='銷售目標(biāo)',
???????????????index=['訂單日期',?'類別'],
???????????????columns='細(xì)分',
???????????????aggfunc=np.sum)
對(duì)于上面結(jié)果中的空值，使用fill_value參數(shù)統(tǒng)一填充為0
pd.pivot_table(df.head(10),
???????????????values='銷售目標(biāo)',
???????????????index=['訂單日期',?'類別'],
???????????????columns=['細(xì)分'],
???????????????aggfunc=np.sum,
???????????????fill_value=0)
現(xiàn)在按年份來統(tǒng)計(jì)銷售數(shù)據(jù)，注意此時(shí)的aggfunc參數(shù)，當(dāng)參數(shù)值包含列表時(shí)，在結(jié)果DataFrame中就會(huì)顯示函數(shù)名稱。
pd.pivot_table(df,
???????????????values='銷售目標(biāo)',
???????????????index=['年份',?'類別'],
???????????????columns='細(xì)分',
???????????????aggfunc=[np.sum])
如果需要添加合計(jì)列，只需指定margins=True即可，同時(shí)根據(jù)需要指定合計(jì)名稱。
pd.pivot_table(df,
???????????????values='銷售目標(biāo)',
???????????????index=['年份',?'類別'],
???????????????columns='細(xì)分',
???????????????aggfunc=np.sum,
???????????????margins=True,
??????????????margins_name='合計(jì)')
當(dāng)然與groupby類似，對(duì)于計(jì)算函數(shù)我們可以同時(shí)指定多種方式。
pd.pivot_table(df,
???????????????values='銷售目標(biāo)',
???????????????index=['年份',?'類別'],
???????????????columns=['細(xì)分'],
???????????????aggfunc={'銷售目標(biāo)':?[max,?np.sum]},
???????????????fill_value=0)
以上就是pandas數(shù)據(jù)透視的常用操作了，使用起來也是十分簡單，大家可以自己練習(xí)一下，如果文章對(duì)你有幫助，請(qǐng)點(diǎn)贊支持一下哦！
你的每一個(gè)點(diǎn)贊、在看，每一條留言，每一次轉(zhuǎn)發(fā)，都對(duì)我很重要，感謝支持。
好的，那么下期見，我是愛貓愛技術(shù)，更愛思思的老表???( ˙?˙ )???
近期閱讀學(xué)習(xí)推薦：
怎么才能寫出好看的Python代碼？這五個(gè)工具你得用上
建議收藏：12個(gè)Pandas數(shù)據(jù)處理高頻操作
如何找到我：