python统计分析——透视表

参考资料：用Python动手学统计学

        pandas库的pivot_table函数相当于excel的透视表功能。此图为excel数据透视表字段设置窗口，下面将参照excel数据透视表相关设置图片学习pivot_table函数：

本次使用的数据集内容如下：

import pandas as pd
data_set=pd.DataFrame({"store":["A","A","B","B"],
                       "color":['blue','red','blue','red'],
                       "sales":[10,15,13,9]
                      })

pivot_table参数介绍，

pivot_table(data, values, index, columns, aggfunc, fill_value, margins, dropna, margins_name, observed, sort)

1、data

data为数据透视表的数据源，要求是DataFrame结构。相当于excel中要进行数据透视的区域：

2、values、index、columns

values相当于excel透视表中值字段设置，index为相当于行字段设置，columns相当于列字段设置。

3、aggfunc

aggfunc参数设置的是对值字段的汇总统计，相当于excel中的值字段设置对话框。pandas中默认是均值，而excel默认是求和。

将数据store设置为行字段，color设置为列字段，sales设置为值字段，aggfunc设置为sum，代码如下：

pd.pivot_table(data_set,index='store',columns='color',values='sales',aggfunc='sum')

结果为：

相对于excel下图红框内的部分

4、margins、margins_name

margins相当于excel中对行列进行汇总，但只能设置为True或False，因此只能对行列整体进行汇总，而不能单独对行或列进行汇总。

margins_name是汇总列或汇总行的名称，默认名称为“All”。

将数据store设置为行字段，color设置为列字段，sales设置为值字段，aggfunc设置为sum，margins设置为True，代码如下：

pd.pivot_table(data_set,index='store',columns='color',values='sales',aggfunc='sum',margins=True)

结果为：

margins相当于excel下图红框内的部分

设置margins_name代码如下：

pd.pivot_table(data_set,index='store',columns='color',values='sales',aggfunc='sum',margins=True,margins_name="求和")

5、fill_value

当透视表结果中出现缺失值时，此参数用于设置填充值。若fill_value不设置，则默认显示为NaN。

import pandas  as pd
import numpy as np

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],
                    "E": [2, 4, 5, 5, 6, 6, 8, 9, 9]})

示例演示如下，当不设置fill_values时：

pd.pivot_table(df,values="D",index=["A","B"],columns='C',aggfunc='sum')

当设置fill_values=0时，显示如下：

pd.pivot_table(df,values="D",index=["A","B"],columns='C',aggfunc='sum',fill_value=0)

相当于excel透视表选项的红框中的设置。

6、dropna

当margins设置为True时，dropna用于对空列数据汇总的设置，默认为True。

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, np.nan, 4, 5, 6, 7],
                    "E": [2, 4, 5, 5, 6, 6, 8, 9, 9],
                    "F": [np.nan, np.nan, np.nan, np.nan, 
                          np.nan, np.nan, np.nan, np.nan, np.nan]
                  })

当margins和dropna同为Ture时，代码和显示效果如下：

pd.pivot_table(df,values=["D","F"],index=["A","B"],columns='C',aggfunc='sum',margins=True,dropna=True)

当margins为True，dropna为False时，显示效果如下：

7、sort

默认为True，用于设置是否需要对数据进行排序，用于对透视表字段中包含的分类类型的排序。

8、observed

不常用，待遇到相关资料时及时补充，或待有缘人补充。