pandas.pivot_table()数据透视表详解

• 数据透视表 百度百科

  数据透视表（Pivot Table）是一种交互式的表，可以进行某些计算，如求和与计数等。所进行的计算与数据跟数据透视表中的排列有关。
  之所以称为数据透视表，是因为可以动态地改变它们的版面布置，以便按照不同方式分析数据，也可以重新安排行号、列标和页字段。每一次改变版面布置时，数据透视表会立即按照新的布置重新计算数据。另外，如果原始数据发生更改，则可以更新数据透视表。

• 官方文档

  pandas.pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All', observed=False)
  

  创建电子表格风格的透视表作为DataFrame。透视表里的级别会存储在结果DataFrame的索引和列上的多层索引对象（分层索引）中。

• 参数

  参数	数据类型	意义
  data	DataFrame
  values	column to aggregate, optional	聚合的列
  index	column, Grouper, array, or list of the previous	如果使Array，则长度需要与data相同； list内可以包含除list之外的其他各种类型； 在透视表索引上分组的键，如果传入的是array，用法与列值一样
  columns	column, Grouper, array, or list of the previous	如果传入array，长度需与data相同
  aggfunc	function, list of functions, dict, default numpy.mean	如果是list of functions，得到的透视表具有分层的列，他们的最高级别是函数名称； 如果是dict，key是需要聚合的列，value是函数或函数列
  fill_value	scalar, default None	填充缺失值
  margins	boolean, default False	添加所有row/columns
  dropna	boolean, default True	不包括全是NaN的列
  margins_name	string, default ‘All’	当margins是True，包含总数的行/列名字
  observed	boolean, default False

• 案例

  >>> df = pd.DataFrame({"A": ["foo", "foo", "foo", "foo", "foo",
  ...                          "bar", "bar", "bar", "bar"],
  ...                    "B": ["one", "one", "one", "two", "two",
  ...                          "one", "one", "two", "two"],
  ...                    "C": ["small", "large", "large", "small",
  ...                          "small", "large", "small", "small",
  ...                          "large"],
  ...                    "D": [1, 2, 2, 3, 3, 4, 5, 6, 7],
  ...                    "E": [2, 4, 5, 5, 6, 6, 8, 9, 9]})
  >>> df
       A    B      C  D  E
  0  foo  one  small  1  2
  1  foo  one  large  2  4
  2  foo  one  large  2  5
  3  foo  two  small  3  5
  4  foo  two  small  3  6
  5  bar  one  large  4  6
  6  bar  one  small  5  8
  7  bar  two  small  6  9
  8  bar  two  large  7  9
  >>> table = pd.pivot_table(df, values='D', index=['A', 'B'],
  ...                     columns=['C'], aggfunc=np.sum)
  >>> table
  C        large  small
  A   B
  bar one    4.0    5.0
      two    7.0    6.0
  foo one    4.0    1.0
      two    NaN    6.0
  

• Reference

1. Pandas | 一文看懂透视表pivot_table
2. Pandas透视表（pivot_table）详解
3. pandas.DataFrame.pivot_table
4. pandas.pivot_table