freepy:可视化生成pandas数据透视表

 

pandas的数据透视表功能,实际上可以一行代码代替大量的sql查询操作,让人无比赞叹。

可以用freepy以可视化的方式生成数据透视表。

操作对象是这样的一组数据:

点确定后生成代码:

pivot_table_2= pd.pivot_table(df_fruits,
    index=['产地',],
    columns=['类别',],
    values=['数量',],
    aggfunc=['sum','count',],
    fill_value=0,
    dropna=True,
    margins=True)

print("保存为excel文件:")
pivot_table_2.to_excel("dataout/pivot_table_2.xlsx")

然后运行即可。然后打开excel文件可以看到透视表内容。

太方便了!!

这几天实现一下多表可视化关联,也就是DataFrame数据框合并。

然后再实现可视化制作图表。

 

 

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
下面是使用pandas生成数据透视表的方法和示例: 方法: pandas.pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All') 参数: - data:DataFrame对象 - values:要聚合的列或列的列表,默认为所有数值列 - index:用于分组的列或列的列表,或者为True(使用所有其他列) - columns:用于分组的列或列的列表,或者为True(使用所有其他列) - aggfunc:聚合函数或函数列表,默认为'mean' - fill_value:用于替换结果中的缺失值,默认为None - margins:添加行/列边距,默认为False - dropna:如果为True,则删除所有包含缺失值的行/列,默认为True - margins_name:边距的名称,默认为'All' 示例: 假设我们有以下数据集: | Name | City | Gender | Age | Height | Weight | |------|------|--------|-----|--------|--------| | John | LA | Male | 25 | 6'0" | 180 | | Jane | SF | Female | 30 | 5'5" | 120 | | Bob | NY | Male | 50 | 5'8" | 150 | | Mary | LA | Female | 40 | 5'6" | 130 | 我们可以使用以下代码生成一个简单的数据透视表: ```python import pandas as pd data = pd.read_csv('data.csv') pivot_table = pd.pivot_table(data, values=['Age', 'Height', 'Weight'], index=['City'], columns=['Gender'], aggfunc='mean') print(pivot_table) ``` 输出结果为: ``` Age Height Weight Gender Female Male Female Male Female Male City LA 40.0 25.0 5.666667 6.0 130.000000 180.0 NY NaN 50.0 NaN 5.8 NaN 150.0 SF 30.0 NaN 5.500000 NaN 120.000000 NaN ``` 该数据透视表显示了每个城市中男性和女性的平均年龄,身高和体重。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值