【Python基础】在pandas中使用数据透视表
文章來源于Python大數(shù)據(jù)分析,作者朱衛(wèi)軍
什么是透視表?
經(jīng)常做報(bào)表的小伙伴對(duì)數(shù)據(jù)透視表應(yīng)該不陌生,在excel中利用透視表可以快速地進(jìn)行分類匯總,自由組合字段聚合計(jì)算,而這些只需要拖拉拽就能實(shí)現(xiàn)。
維基百科對(duì)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(shù)據(jù)的統(tǒng)計(jì)信息表。
典型的數(shù)據(jù)格式是扁平的,只包含行和列,不方便總結(jié)信息:
而數(shù)據(jù)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(lǐng)域最強(qiáng)大的數(shù)據(jù)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(shù)實(shí)現(xiàn),不要小看只是一個(gè)函數(shù),但卻可以玩轉(zhuǎn)數(shù)據(jù)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(shù)解釋:
data:dataframe格式數(shù)據(jù)
values:需要匯總計(jì)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(jié)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(jié)果DataFrame的列索引
aggfunc:聚合函數(shù)或函數(shù)列表,默認(rèn)為平均值
fill_value:設(shè)定缺失替換值
margins:是否添加行列的總計(jì)
dropna:默認(rèn)為True,如果列的所有值都是NaN,將不作為計(jì)算列,False時(shí),被保留
margins_name:匯總行列的名稱,默認(rèn)為All
observed:是否顯示觀測(cè)值
注意,在所有參數(shù)中,values、index、columns最為關(guān)鍵,它們分別對(duì)應(yīng)excel透視表中的值、行、列:
參數(shù)aggfunc對(duì)應(yīng)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(shù)據(jù)練一練,示例數(shù)據(jù)表如下:
該表為用戶訂單數(shù)據(jù),有訂單日期、商品類別、價(jià)格、利潤(rùn)等維度。
首先導(dǎo)入數(shù)據(jù):
data?=?pd.read_excel("E:\\訂單數(shù)據(jù).xlsx") data.head()接下來使用透視表做分析:
計(jì)算每個(gè)州銷售總額和利潤(rùn)總額
計(jì)算每個(gè)洲每個(gè)城市每單平均銷售量
計(jì)算每個(gè)洲的總銷量和每單平均銷量
看每個(gè)城市(行)每類商品(列)的總銷售量,并匯總計(jì)算
總結(jié)
本文介紹了pandas pivot_table函數(shù)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(shù)據(jù)也更快速,大家有興趣可探索更高級(jí)的用法。
備注:本站的微信群尚有幾十個(gè)名額,可以直接掃碼進(jìn)入。
若掃碼顯示滿員請(qǐng)掃下面的二維碼:
總結(jié)
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?jī)?nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 【深度学习】神经网络知识专题总结
- 下一篇: 基于Python的特征自动化选择:两行代