Pandas之透视表pivot_table
1. 什么是pivot_table2. 如何操作pivot_table2.1 加载数据2.2 index参数2.3 values参数2.4 columns参数2.5 aggfunc参数2.6 查询
3. 总结
1. 什么是pivot_table
透视表是一种可以对数据动态排布并且分类汇总的表格格式
pivot_table(data, values=None, index=None, columns=None,aggfunc='mean',
fill_value=None, margins=False, dropna=True, margins_name='All')
2. 如何操作pivot_table
pivot_table有四个最重要的参数index、values、columns、aggfunc，本文以这四个参数为中心讲解pivot操作是如何进行。
2.1 加载数据
import pandas as pd
import numpy as np
df = pd.read_csv('James_Harden.csv',encoding='utf8')
df.head()
2.2 index参数
Index就是层次字段，要通过透视表获取什么信息就按照相应的顺序设置字段
#查看哈登对阵每个队伍的得分，首先我们将对手设置为index：
pd.pivot_table(df,index='对手').head()
#看对阵同一对手在不同主客场下的数据，将对手与胜负与主客场都设置为index
pd.pivot_table(df,index=['对手','主客场']).head(8)
2.3 values参数
可以对需要的计算数据进行筛选
# 当我们未设置aggfunc时，它默认aggfunc='mean'计算均值
pd.pivot_table(df,index=['主客场','胜负'],values=['助攻','篮板','得分'])
2.4 columns参数
设置列层次字段
#margins=1 添加总和
pd.pivot_table(df,index=['主客场'],columns=['对手'],values=['得分'],aggfunc=[np.sum],fill_value=0,margins=1)
table = pd.pivot_table(df,index=['对手','胜负'],columns=['主客场'],values=['助攻','篮板','得分'],aggfunc=[np.mean],fill_value=0)
table
2.5 aggfunc参数
对数据聚合时进行的函数操作
# 当我们未设置aggfunc时，它默认aggfunc='mean'计算均值
pd.pivot_table(df,index=['主客场','胜负'],values=['助攻','篮板','得分'],aggfunc=[np.mean,np.max])
2.6 查询
table.query('对手==["76人"]')
3. 总结
pd.pivot_table(df,index=[字段1],values=[字段2],aggfunc=[函数],fill_value=0)
df.groupby([字段1])[字段2].agg(函数).fillna(0)
上面两个函数完全等价，pivot_table仿佛是加入了columns与margin功能的groupby函数，比groupby更加灵活。
数据下载：链接 提取码: yr9q
