翻译 可视化：python数据透视表 pandas.pivot_table() 官方使用说明

pandas.pivot_table() 官方使用说明

原文链接点击打开链接

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

一、基本参数

data：指定要做透视表的DataFrame。

附：pandas.pivot_table(data, 其余参数部分) 等价于 data.pivot(其余参数部分)

values：等价于Excel透视表的"值"部分；

index：等价于Excel透视表的"行"部分；

columns：等价于Excel透视表的"列"部分；

aggfunc：设定数据区的数据显示方式，如aggfunc=np.sum；

附：最终table意义上，它等价于aggfunc=sum ，  aggfunc=np.mean 等价于 aggfunc=mean；

附：多函数形式，比如values=['income', 'click']之后，aggfunc={'income: np.sum, 'click':[np.mean, min, max]}；

二、多功能参数

fill_value：设定替换缺失值的值，默认不替换缺失值；

dropna：设定是否使用有空值（即NaN）的columns，默认不使用即dropna=True，想使用有空值的columns设定dropna=False；

margins：设定是否对各行和各列进行汇总，默认不汇总即margins=False，想添加行&列汇总margins=True；

margins_name：当margins=True时，设定行&列的名称；

三、例子

数据表DataFrame：

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]})
print(df)

# 结果如下
     A    B      C  D
0  foo  one  small  1
1  foo  one  large  2
2  foo  one  large  2
3  foo  two  small  3
4  foo  two  small  3
5  bar  one  large  4
6  bar  one  small  5
7  bar  two  small  6
8  bar  two  large  7

透视函数：

table = pivot_table(df, 
                    values=['D', 'E'],
                    index=['A', 'C'],
                    aggfunc={'D': np.mean,
                             'E': [min, max, np.mean]})
print(table)

透视表：

>>> table
                  D            E
               mean        max median min
A     C
bar large  5.500000  16    14.5    13
      small  5.500000  15    14.5    14
foo large  2.000000  10      9.5       9
      small  2.333333  12    11.0       8

附：输出为csv文件代码：

table.to_csv('path:filename.csv', encoding='gbk') # 注意， index不要设为False