每日一题11：Pandas:数据重塑-透视

一、每日一题

解答：

import pandas as pd

def pivotTable(weather: pd.DataFrame) -> pd.DataFrame:
    df_pivot = weather.pivot(index='month', columns='city', values='temperature')
    return df_pivot

题源：力扣

二、总结

 Pandas 是一个强大的 Python 数据分析库，它提供了 pivot 和 pivot_table 方法来重塑和汇总数据，使得数据分析变得更加灵活和高效。这两个方法主要用于行列转换，即“透视”操作，但它们在功能上有所差异。

1.pivot 方法

pivot 方法允许你基于给定的索引、列以及值重新组织DataFrame的数据结构。它适用于简单的数据透视场景，当你的数据不包含重复的(index, columns)组合时。pivot 的基本语法如下：

pivot_table(data, index=None, columns=None, values=None)

• data: 要进行透视操作的DataFrame。
• index: 用作新DataFrame行索引的列名或列名列表。
• columns: 用作新DataFrame列名的列名或列名列表。
• values: 需要进行聚合操作的列名，如果省略，默认使用所有数值列。

例如，如果你有一个包含城市、月份和温度的数据集，并且想按月份将城市作为列展示，你可以使用 pivot 方法。

2.pivot_table 方法

pivot_table 是一个更加强大和灵活的方法，它不仅能够处理 pivot 的所有功能，还可以处理数据聚合、缺失值填充等高级操作。特别是，当你的数据在转换后存在(index, columns)的重复项时，pivot_table 就显得尤为重要了。它允许你指定聚合函数（如均值、总和等）来处理这些重复值。pivot_table 的基本语法如下：

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

• aggfunc: 指定聚合函数，可以是字符串（如 'mean', 'sum'）、函数（如 np.sum）或者一个字典（用于不同的列应用不同的聚合函数）。
• fill_value: 用于填充缺失值的值，默认为 None。
• margins: 是否计算边缘总计（行总计和列总计），默认为 False。
• dropna: 是否删除包含NaN值的行或列，默认为 True。
• margins_name: 当 margins=True 时，边缘总计的列或行标签名称，默认为 'All'。

使用 pivot_table，可以在重排数据的同时进行数据汇总，比如计算每个月每个城市的平均温度、最大温度等。

官方文档

2024.5.14