Python数据分析补充：数据的分组与汇总（数据透视）

数据汇总是指基于已有的明细数据做进一步的统计计算，这是数据分析过程中必备的基础知识，也是学习或工作中经常使用到的知识点，类似于Excel中透视表说完成的数据汇总以及数据库中实现的分组聚合。

Pandas模块既提供了Excel透视表的功能，也提供了数据库中的分组聚合功能。

一、透视表功能

该功能的主要目的就是实现数据的汇总统计，例如按照某个分组变量统计商品的平均价格、销售数量、最大利润等，或者按照某两个分组变量构成统计学中的列联表（计数统计），甚至基于多个分组变量统计各组合下的均值、中位数、总和等。

Pandas模块中的pivot_table函数就是实现透视表功能的强大函数，该函数简单易用，与Excel操作思想完全一致。

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

pivot_table函数的参数说明如下：

• data：指定需要构造透视表的数据集
• values：指定需要拉入“数值”框的变量列表
• index：指定需要拉入“行标签”框的变量列表
• columns：指定需要拉入“列标签”框的变量列表
• aggfunc：指定数组的统计函数，默认为统计均值，也可以指定numpy模块中的其他统计函数（numpy是Python中一个专门用于角数值运算的模块）
• fill_value：指定一个标量，用于填充缺失值
• margins：bool类型参数，是否需要显示行或列的总计值，默认为False
• dropna：bool类型参数，是否需要删除整列为缺失的变量，默认为False
• margins_name：指定行或列的踪迹名称，默认为All

以下列数据来看看单个分组变量的均值统计：

import pandas as pd 

path = r'C:\Users\lin-a\Desktop\【数据分析从入门到进阶】配套数据\第5章\datas\diamonds.csv'

diamonds = pd.read_table(path,sep=',')
diamonds

	carat	cut	color	clarity	depth	face_width	price	x	y	z
0	0.23	Ideal	E	SI2	61.5	55.0	326	3.95	3.98	2.43
1	0.21	Premium	E	SI1	59.8	61.0	326	3.89	3.84	2.31
2	0.23	Good	E	VS1	56.9	65.0	327	4.05	4.07	2.31
3	0.29	Premium	I	VS2	62.4	58.0	334	4.20	4.23	2.63
4	0.31	Good	J	SI2	63.3	58.0	335	4.34	4.35	2.75
...	...	...	...	...	...	...	...	...	...	...
53935	0.72	Ideal	D	SI1	60.8	57.0	2757	5.75	5.76	3.50
53936	0.72	Good	D	SI1