Python中pandas透视表pivot_table功能详解

最新推荐文章于 2024-08-21 10:25:21 发布

Micaelyu

最新推荐文章于 2024-08-21 10:25:21 发布

阅读量2k

点赞数

文章标签： python 数据分析

本文链接：https://blog.csdn.net/Micaelyu/article/details/104938977

版权

本文详细介绍了Python pandas库中的pivot_table功能，通过实例展示了如何使用pivot_table进行数据分析，包括设置index、values、columns和aggfunc参数，以及如何进行数据聚合和层次字段操作，帮助读者更好地理解和应用透视表进行数据汇总。

摘要由CSDN通过智能技术生成

原文链接
一文看懂pandas的透视表pivot_table
一、概述
1.1 什么是透视表？
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。或许大多数人都在Excel使用过数据透视表，也体会到它的强大功能，而在pandas中它被称作pivot_table。

1.2 为什么要使用pivot_table？
灵活性高，可以随意定制你的分析计算要求
脉络清晰易于理解数据
操作性强，报表神器
二、如何使用pivot_table
首先读取数据，数据集是火箭队当家球星James Harden某一赛季比赛数据作为数据集进行讲解。数据地址。

先看一下官方文档中pivot_table的函数体：pandas.pivot_table - pandas 0.21.0 documentation

pivot_table(data, values=None, index=None, columns=None,aggfunc=‘mean’, fill_value=None, margins=False, dropna=True, margins_name=‘All’)

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 读取数据
import pandas as pd
import numpy as np
df = pd.read_csv(‘h:/James_Harden.csv’,encoding=‘utf8’)
df.tail()
数据格式如下：

关注