习惯了Excel里面的透视表拖拽方式，在Python中的pandas怎么能方便使用透视函数呢，有时可能会感到困惑，但是Excel中的透视表功能，pandas基本都能实现，下面进行详细介绍
生成透视表函数
pd.pivot_table(data,values=None,index=None,columns=None,aggfunc='mean',fill_value=None,margins=False,dropna=True,margins_name='All')
详细介绍每个参数：
data：为了生成透视表需要用到的数据框，对应Excel里面的需要用到的区域
values：对那个字段进行值计算，对应Excel里面需要把字段拖拽到值的地方
index：根据字段进行汇总，生成每行一个分类，对应Excel里面需要把字段拖拽到行的地方
columns：根据字段进行汇总，生成每列一个分类，对应Excel里面需要把字段拖拽到列的地方
aggfunc：对值字段进行那种计算，计数、求和、平均，对应Excel里面对值字段设置里面的值汇总方式选择
fill_value：行分类与列分类交叉值为空的地方用什么值填充
margins：是否对行列显示汇总，对应Excel里面透视表下面设计选型卡，总计是否对行和列启用
dropna：是否包括原始引用数据里面都为NAN的列
margins_name：可以给总计的列起别名
行、列、值对应
aggfunc对应
示例
- 导入数据
import pandas as pd
data=pd.read_excel('111.xlsx',sheet_name='python')
data
data
- 创建数据透视表
pd.pivot_table(data,values =['数值1','数值2'],index=['字段1','字段2','字段3'],aggfunc='sum')
数据透视表
-
查看生成的数据透视表是什么
可以看到生成的数据透视表还是dataframe数据框，那么数据框能用的一切方法同样适用于生成的这个透视表
data_result=pd.pivot_table(data,values =['数值1','数值2'],
index=['字段1','字段2','字段3'],
aggfunc='sum')
type(data_result)
数据透视表是什么类型
- 添加行列总计
#添加margins参数
pd.pivot_table(data,values =['数值1','数值2'],
index=['字段1','字段2'],
columns=['字段3'],
aggfunc='sum',
margins=True)
添加行列总计
-
转换成正常的数据框
重置索引转换成正常的数据框样式
data_result=pd.pivot_table(data,values =['数值1','数值2'],
index=['字段1','字段2','字段3'],
aggfunc='sum').reset_index()
重置索引
- 生成带列分类的透视表
pd.pivot_table(data,values =['数值1','数值2'],
index=['字段1','字段2'],
columns=['字段3'],
aggfunc='sum')
带列分类数据框
-
不同层级之间的调换
比如上面生成带列字段分类的透视表，需要把字段3（f、t）的一行和上面数值1、数值2的一行进行调换
#先进行一下赋值
data_result=pd.pivot_table(data,values =['数值1','数值2'],
index=['字段1','字段2'],
columns=['字段3'],
aggfunc='sum')
#修改列的名称
data_result.columns.names=['一','二']
#进行调换
data_result.swaplevel('二','一',axis=1)
#为了对相同内容放到一块，进行排序
data_result.swaplevel('二','一',axis=1).sort_index(level=0,axis=1)
不同层级之间调换
- 根据一列进行排序
#赋值操作
data_result=data_result.swaplevel('二','一',axis=1).sort_index(level=0,axis=1)
#进行排序
data_result.sort_values(by=[('f','数值2')],axis=0)
数值排序
以上是自己实践中遇到的一些点，分享出来供大家参考学习，欢迎关注本简书号
