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。对于熟练使用 excel 的伙伴来说，一定很是亲切！
pd.pivot_table() 语法：
|
1
2
3
4
5
6
7
8
9
10
|
pivot_table(data, # dataframe values=none, # 值 index=none, # 分类汇总依据 columns=none, # 列 aggfunc='mean', # 聚合函数 fill_value=none, # 对缺失值的填充 margins=false, # 是否启用总计行/列 dropna=true, # 删除缺失 margins_name='all' # 总计行/列的名称 ) |
1、销量数据的透视
1.1 读入数据
|
1
2
3
4
5
6
7
8
9
10
11
|
import osimport numpy as npimport pandas as pdfile_name = os.path.join(path, 'excel_test.xls')df = pd.read_excel(io=file_name, # 工作簿路径 sheetname='透视表', # 工作表名称 skiprows=1, # 要忽略的行数 parse_cols='a:d' # 读入的列 )df |
1.2 数据透视
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
# 透视数据df_p = df.pivot_table(index='客户名称', # 透视的行，分组依据 values='销量', # 值 aggfunc='sum' # 聚合函数 )# 对透视表进行降序排列df_p = df_p.sort_values(by='销量', # 排序依据 ascending=false # 是否升序排列 )# 设置数值格式df_p = df_p.round({'销量': 0}).astype('int')# 添加列ks = df_p['销量']//100df_p['重要程度'] = ['★'*k for k in ks]df_p |
1.3 重新设置图示表的索引
|
1
2
|
df_p['客户名称'] = df_p.indexdf_p.set_index(keys=['重要程度', '客户名称']) |
注：以上操作从理论和实践方面看都没什么问题，但模仿 excel 的痕迹浓重了些，更 python 的操作是用 groupby-applay 的方法。
2 用 分组聚合 实现数据透视
|
1
2
|
grouped = df.groupby(by='客户名称')grouped['销量'].agg('sum') |
2.1 实现目标格式的透视表
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
# 分类汇总df_p = df.groupby(by='客户名称' # 分类 ).agg('sum' # 汇总 ).sort_values(by='销量', ascending=false # 排序 ).round({'销量': 0} # 设置精度 ).astype('int') # 数据类型转换# 添加列ks = df_p['销量']//100df_p['重要程度'] = ['★'*k for k in ks]df_p['客户名称'] = df_p.index# 层次索引df_p.set_index(keys=['重要程度', '客户名称']) |
软件信息：
以上就是python 用pandas实现数据透视表功能的详细内容，更多关于python pandas实现数据透视表的资料请关注服务器之家其它相关文章！
原文链接：https://www.cnblogs.com/shanger/p/13245669.html
