一、圖解Pandas透視表、交叉表

終于開始Pandas進階內容的寫作了。相信很多人都應該知道透視表，在Excel會經常去制作它，來實現數據的分組匯總統計。在Pandas中，我們把它稱之為pivot_table。

透視表的制作靈活性高，可以隨意定制我們想要的的計算統計要求，一般在制作報表神器的時候常用。

下面通過具體的例子來對比Excel和Pandas中透視表的實現方法。

二、Excel透視表

下面是在Excel表格中使用消費數據制作的透視表（部分數據截圖），我們統計的是不同性別不同日期下的消費金額和小費，同時還顯示了總計的數據。

那如果是使用pandas該如何來實現呢？？？

三、透視表參數

pandas中實現透視表使用的是：pandas.pivot_table

pd.pivot_table(data,??#?制作透視表的數據values=None,??#?值index=None,??#?行索引columns=None,??#?列屬性aggfunc='mean',???#?使用的函數，默認是均值fill_value=None,??#?缺失值填充margins=False,?#?是否顯示總計dropna=True,???#?缺失值處理margins_name='All',?#?總計顯示為Allobserved=False,??sort=True??#?排序功能??版本1.3.0才有)

最重要的參數還是：values、index、columns、aggfunce，甚至包含margins、margins_name

附上官網學習地址：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.pivot_table.html

四、透視表參數詳解

4.1參數index

index表示的是我們生成透視表指定的行索引

1、單層索引

2、多層行索引

4.2參數values

在上面index參數的使用中，我們沒有指定values參數，pandas會默認將全部的數值型數據進行透視表的計算，現在指定參數計算的數據：

• 帶上values，只會顯示我們指定的數據

• 不帶上values，數值型的數據匯總結果全部顯示

4.3參數columns

columns是一個顯示列屬性信息的參數

如果我們將day放在index參數中，會是什么樣子呢？

相當于是：將上面的寬表格式轉成了下面的長表格式

再對比下兩種不同的形式：

4.4參數aggfunc

aggfunc是一個很靈活的參數，它是用來指定我們匯總想用哪種函數，默認是均值mean，我們也可以使用求和sum、最值max等。多個函數需要放在一個列表中。

我們將默認求平均mean的情況與求和的情況進行對比：

均值和sum求和之間的關系：

我們可以在aggfunc函數中指定多個函數，將這些函數放在同一個列表中：

• 求和：np.sum

• 求均值：mean

• 求個數：size

再看一個例子：

4.5參數margins、margins_name

這兩個參數的作用是對透視表中的分組數據進行匯總顯示。需要注意的是：只有margins=True，參數margins_name的設置才會生效。

修改匯總顯示的名字：

如果有列字段，也會顯示匯總的數據：

五、交叉表crosstab

交叉表可以理解成一種特殊的透視表，專門用于計算分組的頻率。

5.1參數

交叉表中每個參數的解釋，很多還是和透視表相同的：

pandas.crosstab(index,?#?行索引，必須是數組結構數據，或者Series，或者是二者的列表形式columns,?#?列字段；數據要求同上values=None,??#?待透視的數據rownames=None,??#?行列名字colnames=None,??aggfunc=None,??#?透視的函數margins=False,??#?匯總及名稱設置margins_name='All',?dropna=True,?#?舍棄缺失值normalize=False??#?數據歸一化；可以是布爾值、all、index、columns、或者{0,1})

對最后一個參數的解釋：如何選擇歸一化的標準

• If passed ‘all’ or True, will normalize over all values：使用all，對全部的數值型數據歸一化

• If passed ‘index’ will normalize over each row：使用index，僅在行上歸一化

• If passed ‘columns’ will normalize over each column：使用columns，僅在列上歸一化

• If margins is True, will also normalize margin values：如果margins=True，總計值也會參與歸一化

5.2參數使用

當然，有時候透視表和交叉表是可以實現相同的功能：

六、groupby實現

其實透視表或者交叉表的本質還是分組匯總統計結果，我們也可以利用groupby來實現：

1、先分組統計

2、軸旋轉unstack

上面的結果格式上不是很友好，使用的是多層次索引，我們使用軸旋轉函數unstack將行轉成列：

七、groupby和透視表比較

最后再用一個例子來比較下groupby和透視表：

八、備忘錄

這個網上非常流行的一張圖解Pandas透視表函數的圖形，它利用一份簡單的數據，清晰明了地講解了pivot_table函數的每個參數的含義，保存備用！

網絡圖 往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載機器學習的數學基礎專輯黃海廣老師《機器學習課程》課件合集 本站qq群851320808，加入微信群請掃碼：

總結

以上是生活随笔為你收集整理的【Python】开启Pandas进阶：图解Pandas透视表、交叉表的全部內容，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。