文章來源于Python大數據分析，作者朱衛軍

什么是透視表？

經常做報表的小伙伴對數據透視表應該不陌生，在excel中利用透視表可以快速地進行分類匯總，自由組合字段聚合計算，而這些只需要拖拉拽就能實現。

維基百科對透視表（pivot table）解釋是：

A 「pivot table」?is a table ?of statistics that summarizes the data of a more extensive table.?

透視表是一種匯總了更廣泛表數據的統計信息表。

典型的數據格式是扁平的，只包含行和列，不方便總結信息：

而數據透視表可以快速抽取有用的信息：

pandas也有透視表？

pandas作為編程領域最強大的數據分析工具之一，自然也有透視表的功能。

在pandas中，透視表操作由pivot_table()函數實現，不要小看只是一個函數，但卻可以玩轉數據表，解決大麻煩。

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*)?

參數解釋：

• data：dataframe格式數據

• values：需要匯總計算的列，可多選

• index：行分組鍵，一般是用于分組的列名或其他分組鍵，作為結果DataFrame的行索引

• columns：列分組鍵，一般是用于分組的列名或其他分組鍵，作為結果DataFrame的列索引

• aggfunc：聚合函數或函數列表，默認為平均值

• fill_value：設定缺失替換值

• margins：是否添加行列的總計

• dropna：默認為True，如果列的所有值都是NaN，將不作為計算列，False時，被保留

• margins_name：匯總行列的名稱，默認為All

• observed：是否顯示觀測值

注意，在所有參數中，values、index、columns最為關鍵，它們分別對應excel透視表中的值、行、列：

參數aggfunc對應excel透視表中的值匯總方式，但比excel的聚合方式更豐富：

如何使用pivot_table?

下面拿數據練一練，示例數據表如下：

該表為用戶訂單數據，有訂單日期、商品類別、價格、利潤等維度。

首先導入數據：

data?=?pd.read_excel("E:\\訂單數據.xlsx") data.head()

接下來使用透視表做分析：

計算每個州銷售總額和利潤總額

result1?=?pd.pivot_table(data,index='洲'?,?values?=?['銷售額','利潤']?,?aggfunc?=?np.sum) result1.head()

計算每個洲每個城市每單平均銷售量

result2?=?pd.pivot_table(data,index=['洲','城市'],aggfunc=np.mean,values=['數量']) result2.head(20)

計算每個洲的總銷量和每單平均銷量

result3?=?pd.pivot_table(data,index=['洲'],aggfunc=[np.sum,np.mean],values=['數量']) result3.head()

看每個城市（行）每類商品（列）的總銷售量，并匯總計算

result4?=?pd.pivot_table(data,index=['城市'],columns=['商品類別'],aggfunc=[np.sum],values=['數量'],margins=True) result4.head()

總結

本文介紹了pandas pivot_table函數的使用，其透視表功能基本和excel類似，但pandas的聚合方式更加靈活和多元，處理大數據也更快速，大家有興趣可探索更高級的用法。

備注：本站的微信群尚有幾十個名額，可以直接掃碼進入。

若掃碼顯示滿員請掃下面的二維碼：

總結

以上是生活随笔為你收集整理的【Python基础】在pandas中使用数据透视表的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。