一文看懂pandas的透视表pivot_table

转自：https://www.cnblogs.com/Yanjy-OnlyOne/p/11195621.html

 

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

1.  import pandas as pd

2.  import numpy as np

3.  df = pd.read_csv('h:/James_Harden.csv',encoding='utf8')

4.  df.tail()

数据格式如下：

2.2 Index

每个pivot_table必须拥有一个index，如果想查看哈登对阵每个队伍的得分，首先我们将对手设置为index：

pd.pivot_table(df,index=[u'对手'])

对手成为了第一层索引，还想看看对阵同一对手在不同主客场下的数据，试着将对手与胜负与主客场都设置为index，其实就变成为了两层索引

pd.pivot_table(df,index=[u'对手',u'主客场'])

 

试着交换下它们的顺序，数据结果一样：

pd.pivot_table(df,index=[u'主客场',u'对手'])

 

看完上面几个操作，Index就是层次字段，要通过透视表获取什么信息就按照相应的顺序设置字段，所以在进行pivot之前你也需要足够了解你的数据。

2.3 Values

通过上面的操作，我们获取了james harden在对阵对手时的所有数据，而Values可以对需要的计算数据进行筛选，如果我们只需要james harden在主客场和不同胜负情况下的得分、篮板与助攻三项数据：

pd.pivot_table(df,index=[u'主客场',u'胜负'],values=[u'得分',u'助攻',u'篮板'])

 

2.4 Aggfunc

aggfunc参数可以设置我们对数据聚合时进行的函数操作。

当我们未设置aggfunc时，它默认aggfunc='mean'计算均值。我们还想要获得james harden在主客场和不同胜负情况下的总得分、总篮板、总助攻时：

pd.pivot_table(df,index=[u'主客场',u'胜负'],values=[u'得分',u'助攻',u'篮板'],aggfunc=[np.sum,np.mean])

 

2.5 Columns

Columns类似Index可以设置列层次字段，它不是一个必要参数，作为一种分割数据的可选方式。

1.  #fill_value填充空值,margins=True进行汇总

2.  pd.pivot_table(df,index=[u'主客场'],columns=[u'对手'],values=[u'得分'],aggfunc=[np.sum],fill_value=0,margins=1)

 

现在我们已经把关键参数都介绍了一遍，下面是一个综合的例子：

table=pd.pivot_table(df,index=[u'对手',u'胜负'],columns=[u'主客场'],values=[u'得分',u'助攻',u'篮板'],aggfunc=[np.mean],fill_value=0)

结果如下：

 

aggfunc也可以使用dict类型，如果dict中的内容与values不匹配时，以dict中为准。

 table=pd.pivot_table(df,index=[u'对手',u'胜负'],columns=[u'主客场'],values=[u'得分',u'助攻',u'篮板'],aggfunc={u'得分':np.mean, u'助攻':[min, max, np.mean]},fill_value=0)

结果就是助攻求min,max和mean,得分求mean,而篮板没有显示。