Pandas 可视化图表之pivot_table透视图

前言

续前几篇文章，应朋友帮忙，拿C#写了个简单操作Excel数据的小工具，了解过Python基础语法之后，拿Python重新实现了一遍，主要用到了几个库，比如Pandas，PyQt5,logging,coloredlogs等。回溯C#代码逻辑与Python代码逻辑，发现Python操作起来简单很多很多，尤其有了利器Pandas之后，代码变得异常简单。

后面小工具又有了新需求，希望把Excel里面的某些数据统计生成可视化图表。于是重读Pandas十分钟入门，发现又有了新感悟，原来可以更加简单。之前的思路是对DataFrame进行各种groupby,得到需要的Series，然后拼装成生成图表需要的DataFrame。思路大致方向应该没错，只是没想到原来有更简便的方法，那就是pivot_table,可以理解成Excel里面的透视图。这个强大的api几乎能满足大多数对数据进行各种骚操作，比如分组，筛选，统计等。

话不多说，开始正文。。。。

pandas.pivot_table介绍

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

Parameters说明

data：DataFrame结构的原始数据

values：需要进行聚合的列，aggfunc参数指定了聚合方式，默认聚合方式是mean（与average的区别可以自行搜索），也可以指定聚合函数。可选参数。

index：需要用来分组并索引成行的列，最终将被当做索引（行）。如果传进来是数组，将会在行上生成多层索引。

columns：需要用来分组并索引成列的列，最终将被当做列的索引。如果传进来是数组，同样将会在列上生成多层索引。***Note：***注意与参数“values”的区别，“values”指定的列并不会去分组，只会用聚合函数去生成最终的列。而“columns”指定的列会进行分组，并作用于values指定的列。

aggfunc：聚合函数。可以是聚合函数列表或者字典。默认聚合方式是mean。如果用聚合函数列表的话，会对每一个索引列，根据聚合函数列表分别生成对应的列。如果是聚合函数字典，可以是“列名：聚合函数”，对于指定的列进行对应的聚合。

fill_values：用来替换NaN的值，标量，默认是 None。

margins：是否显示汇总（会增加label：All）。布尔值，默认是False。

dropna：是否丢弃全部是NaN的列。布尔值, 默认是True。

margins_name：汇总的名称。字符串，默认是 ‘All’。与***margins***参数配合使用。

observed：当Grouper是Categoricals分类者时，是否只显示Grouper中定义的freq的数据。True就只显示间隔频率的数据。False就显示全部Grouper的数据。默认是 False。如果Grouper不是Categoricals，此参数无意义。

Changed in version 0.25.0.

---

***Note：***这里说一下“observed”这个参数，根据我自己的理解，是这样的。在指定Grouper的freq参数时会设置一个间隔，如果这里observed设置为True，则只显示满足间隔条件的数据，其他不满足间隔条件的将不会显示。但是当observed设置为False时，则会显示全部数据。一般这个间隔指的是Date类型的数据，比如每个月第一天，或者每周末等等这些间隔。如果理解有误，欢迎批评指正！不胜感激！！！

---

Returns：返回DataFrame类型的数据表。

PS：不得不感叹Pandas的强大，如果从某个点去研究Pandas，可能会慢慢触及到其他方面，而且它提供的功能真的很强大，只有想不到没有做不到。

pandas.pivot_table图解

有大神总结了一张图，非常清晰的解释了pivot_table的各个参数的作用域。再次奉上，多谢这位大神！

参考链接

• https://www.cnblogs.com/onemorepoint/p/8425300.html
• https://nbviewer.jupyter.org/url/pbpython.com/extras/Pandas-Pivot-Table-Explained.ipynb
• https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.pivot_table.html