在pandas中使用数据透视表

Python大数据分析

共 1908字,需浏览 4分钟

 ·

2020-10-24 07:25

点击上方"蓝字"关注我们





Python大数据分析


记录   分享   成长

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也有透视表?

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:

pandas.pivot_table(*data*, *values=None*, *index=None*, *columns=None*, *aggfunc='mean'*, *fill_value=None*, *margins=False*, *dropna=True*, *margins_name='All'*, *observed=False*) 

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:

如何使用pivot_table?


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:

  1. 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()
  1. 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)
  1. 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()
  1. 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()

总结

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。

获取文中数据集,在后台回复:透视表


· 往期精选 ·
1

OD数据的特殊可视化方式

2

掌握pandas中的transform

3

来,一起打卡!




Python大数据分析

data creates value

扫码关注我们

浏览 21
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报