pandas透视表、排序、结果查询一次搞清

b=pd.pivot_table(df,index=['dashboard_title','username'],values='pv',aggfunc=['sum','max'],sort=True)
b.columns=['cishu','zuida']
b.sort_values('cishu',ascending=False).to_excel(pathstart+'toushi4.xlsx')
b.to_excel(pathstart+'toushi5.xlsx')
b.reset_index().sort_values(['dashboard_title','cishu'],ascending=[1,0]).to_excel(pathstart+'toushi6.xlsx')
b.reset_index().sort_values(['dashboard_title','cishu'],ascending=[1,0]).reset_index().to_excel(pathstart+'toushi7.xlsx')
b.reset_index().sort_values(['dashboard_title','cishu'],ascending=[1,0]).set_index(['dashboard_title','username']).to_excel(pathstart+'toushi8.xlsx')

1. 透视表改名字后方便排序，如上：b.columns=[]；
2. 透视表仍是Dataframe格式，可以直接sort_values()排序；
3. 对索引排序，需要先用reset_index()重置索引为数字索引（0，1,2,3。。。），原有的索引会变成列，直接用sort_values()里边添加索引转换后的列名即可；
4. 步骤3操作添加reset_index则可以对排序结果重置数字索引；
5. 步骤3操作添加set_index()则会还原为按索引聚合的情形，方便观看（但不方便筛选，因为会聚合后会有空白）。
6. 结果展示如下，透视4：
7. 透视5：
8. 透视6：
9. 透视7：
10. 透视8：
11. 对透视表结果的查询，用query（）函数：
12.  多条件查询用&连接：
13.  df.query("not (Quantity == 95)") 获取不是95的所有行数据
14. 使用Query（）函数在日期时间值上进行查询的唯一要求是，包含这些值的列应为数据类型dateTime64 [ns]，

    df["OrderDate"] = pd.to_datetime(df["OrderDate"], format="%Y-%m-%d")

15. 获得八月份的所有记录

    df.query("OrderDate.dt.month == 8")

16. 可以用in来查询：

17. 用str.contains()可以实现like匹配，找到包含特定字符串的全部数据：

18. 列重命名三种方法：一，重命名指定列

 二，全部重名名 df.columns=['','','',...]，三，修改一部分列名，

df.columns = df.columns.str.replace('动物', '爬行动物')

分析完整案例代码：

import pandas as pd
import numpy as np
pathstart='/Users/kangyongqing/Documents/kangyq/202303/分析模版/Superset看板浏览量分析/'
path1=pathstart+'20230306_100429.csv'
df=pd.read_csv(path1)
print(df.columns)

table=df.pivot_table(index=['dashboard_title','username'],values='pv',aggfunc=('sum','max','count'))
print(table.shape)


table.reset_index().sort_values(['dashboard_title','sum'],ascending=[1,0]).set_index(['dashboard_title','username']).rename(columns={'count':'月活跃天数','max':'单天最大活跃次数','sum':'月度累计活跃次数'}).to_excel(pathstart+'公司看板分析.xlsx')
table1=table.reset_index()
table1[table1['dashboard_title'].str.contains('教学部')].sort_values(['dashboard_title','sum'],ascending=[1,0]).set_index(['dashboard_title','username']).rename(columns={'count':'月活跃天数','max':'单天最大活跃次数','sum':'月度累计活跃次数'}).to_excel(pathstart+'教学部看板分析.xlsx')

df.pivot_table(index='username',values='pv',aggfunc=('sum','max','count')).sort_values('sum',ascending=False).rename(columns={'count':'月活跃天数&看板数','max':'单天最大活跃次数','sum':'月度累计活跃次数'}).to_excel(pathstart+'公司最热用户分析.xlsx')
df.pivot_table(index='dashboard_title',values='pv',aggfunc=('sum','max','count')).sort_values('sum',ascending=False).rename(columns={'count':'月活跃天数&人次','max':'单天单人最大活跃次数','sum':'月度累计活跃次数'}).to_excel(pathstart+'公司最热看板分析.xlsx')

df[df['dashboard_title'].str.contains('教学部')].pivot_table(index='username',values='pv',aggfunc=('sum','max','count')).sort_values('sum',ascending=False).rename(columns={'count':'月活跃天数&看板数','max':'单天单人最大活跃次数','sum':'月度累计活跃次数'}).to_excel(pathstart+'教学部最热用户分析.xlsx')
df[df['dashboard_title'].str.contains('教学部')].pivot_table(index='dashboard_title',values='pv',aggfunc=('sum','max','count')).sort_values('sum',ascending=False).rename(columns={'count':'月活跃天数&人次','max':'单天单人最大活跃次数','sum':'月度累计活跃次数'}).to_excel(pathstart+'教学部最热看板分析.xlsx')

19.透视表去重统计

pvt=dt.pivot_table(index='来源',values='学生id',aggfunc='count',margins=True,margins_name='总计')
#计数
upvt=dt.pivot_table(index='来源',values='学生id',aggfunc=lambda x:len(x.unique()),fill_value=0,margins=True,margins_name='总计')
#去重计数

结果展示：

20、pandas导入数据时转换数据格式进行运算：

from datetime import datetime,timedelta

dt=pd.read_excel(dpath,dtype={'时间':'datetime64'})
# dt['时间']=dt['时间'].astype('datetime64')

dt['sevendaybefore']=dt['时间']-timedelta(7)

时间格式默认导入的是str格式，可以用dtype在导入时设置或者导入后用as_type来转换，转换成时间格式之后，就可以进行时间的运算

21、透视表作图汉字显示：

from matplotlib.font_manager import  FontProperties

font=FontProperties(fname='/System/Library/Fonts/Supplemental/Arial Unicode.ttf',size=10)
#找到本机font中文字体

plt.xticks(pvt_source.index,fontproperties=font)
#在需要显示汉字的地方设置即可

22、数据透视表中的索引，如果有多个，其中任何一个为空值，则该项不会在结果中展示，可以fillna（‘空值’）,然后再做透视，避免数据遗漏；