对比Excel，学习pandas数据透视表-技术圈

对比Excel，学习pandas数据透视表

大数据DT

共 3610字，需浏览 8分钟

· 2021-06-08

导读：更简单了呢~

作者：黄同学

来源：凹凸数据（ID：alltodata）

01 Excel中做数据透视表

1. 选中整个数据源

2. 依次点击“插入”—“数据透视表”

3. 选择在Excel中的哪个位置，插入数据透视表

4. 然后根据实际需求，从不同维度展示结果

5. 结果如下

02 pandas用pivot_table()做数据透视表

1. 语法格式

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

2. 对比excel，说明上述参数的具体含义

参数说明：

data 相当于Excel中的"选中数据源"；
index 相当于上述"数据透视表字段"中的行；
columns 相当于上述"数据透视表字段"中的列；
values 相当于上述"数据透视表字段"中的值；
aggfunc 相当于上述"结果"中的计算类型；
margins 相当于上述"结果"中的总计；
margins_name 相当于修改"总计"名，为其它名称。

下面几个参数，用的较少，记住干嘛的，等以后需要就百度。

dropna 表示是否删除缺失值，如果为True时，则把一整行全作为缺失值删除；
fill_value 表示将缺失值，用某个指定值填充。

03 案例说明

1. 求出不同品牌下，每个月份的销售数量之和

① 在Excel中的操作结果如下

② 在pandas中的操作如下

df = pd.read_excel(r"C:\Users\黄伟\Desktop\pivot_table.xlsx")
display(df.sample(5))

df.insert(1,"月份",df["销售日期"].apply(lambda x:x.month))
display(df.sample(5))

df1 = pd.pivot_table(df,index="品牌",columns="月份",
                    values="销售数量",aggfunc=np.sum)
display(df1)

结果如下：

2. 求出不同品牌下，每个地区、每个月份的销售数量之和

① 在Excel中的操作结果如下

② 在pandas中的操作如下

df = pd.read_excel(r"C:\Users\黄伟\Desktop\pivot_table.xlsx")
display(df.sample(5))

df.insert(1,"月份",df["销售日期"].apply(lambda x:x.month))
display(df.sample(5))

df1 = pd.pivot_table(df,index="品牌",columns=["销售区域","月份"],
                    values="销售数量",aggfunc=np.sum)
display(df1)

结果如下：

3. 求出不同品牌不同地区下，每个月份的销售数量之和

① 在Excel中的操作结果如下

② 在pandas中的操作如下

df = pd.read_excel(r"C:\Users\黄伟\Desktop\pivot_table.xlsx")
display(df.sample(5))

df.insert(1,"月份",df["销售日期"].apply(lambda x:x.month))
display(df.sample(5))

df1 = pd.pivot_table(df,index=["品牌","销售区域"],columns="月份",
                    values="销售数量",aggfunc=np.sum)
display(df1)

结果如下：

4. 求出不同品牌下的“销售数量之和”与“货号计数”

① 在Excel中的操作结果如下

② 在pandas中的操作如下

df = pd.read_excel(r"C:\Users\黄伟\Desktop\pivot_table.xlsx")
display(df.sample(5))

df.insert(1,"月份",df["销售日期"].apply(lambda x:x.month))
display(df.sample(5))

df1 = pd.pivot_table(df,index="品牌",columns="月份",
                    values=["销售数量","货号"],
                    aggfunc={"销售数量":"sum","货号":"count"},
                    margins=True,margins_name="总计")
display(df1)