数据透视表——pivot_table学习（特征工程）

1：构建数据

"""
pivot_table() 的特点就是默认显示指定索引列和所有数值列。
索引显示的是唯一值，所以会把对应的数值处理成均值。
其他str类型的列都会自动忽略。\n当然，使用pivot_table() 时，
可以通过添加参数进行计数或求和\n\n示例中账号是int类型，
如果是str类型，那么运行结果不会显示[‘账号’]这一列的内容。
"""

import numpy as np
import pandas as pd
df = pd.DataFrame({
    '账号':[714466,714466,714466,737550,146832,218895,218895,412290,740150,141962,163416,239344,239344,307599,688981,729833,729833],
    '客户名称':['华山派股份有限公司','华山派股份有限公司','华山派股份有限公司','丐帮(北京) 合伙人公司','恶人谷资产管理公司','桃花岛','桃花岛','有间客栈','逍遥子影业','白驼山(上海)影视艺术有限公司','聚贤庄','全真教药业','全真教药业','天地会快递','福寿堂','快手三教育培训有限公司','快手三教育培训有限公司'],
    '销售':['令狐冲','令狐冲','令狐冲','令狐冲','江小鱼','江小鱼','江小鱼','段誉','段誉','欧阳克','欧阳克','欧阳克','欧阳克','韦小宝','韦小宝','韦小宝','韦小宝'],
    '销售总监':['岳不群','岳不群','岳不群','岳不群','岳不群','岳不群','岳不群','岳不群','岳不群','完颜洪烈','完颜洪烈','完颜洪烈','完颜洪烈','完颜洪烈','完颜洪烈','完颜洪烈','完颜洪烈'],
    '产品':['黑玉断续膏','葵花宝典','含笑半步癫','黑玉断续膏','黑玉断续膏','黑玉断续膏','葵花宝典','含笑半步癫','黑玉断续膏','黑玉断续膏','黑玉断续膏','含笑半步癫','葵花宝典','含笑半步癫','黑玉断续膏','黑玉断续膏','如意勾'],
    '数量':[1,2,1,3,1,3,1,2,4,2,2,1,3,5,2,3,1],
    '价格':[3000,2000,1000,3000,1000,3000,1000,2000,4000,2000,2000,1000,2000,3000,1000,4000,2000],
    '状态':['流程中','流程中','待审批','驳回','已完成','流程中','流程中','待审批','驳回','已完成','流程中','待审批','待审批','已完成','已完成','驳回','流程中'],
    })

 

 数值类型的字段只有：账号，数量，价格。

2：index 指定单索引\n索引变成了[客户名称]这一列，values显示的只有数字，而且都处理成均值。

比如：华山三个，数量4/3，价格6000/3，账号就不用说了，三个都一样，均值自然就是其中一个；快手两个，数量4/2，价格6000/2

df1 = pd.pivot_table(df, index=['客户名称'])

 

3：指定多索引   索引顺序能决定不同的视觉体验，虽然结果是一致的。

df2 = pd.pivot_table(df, index=['销售总监', '销售', '客户名称'])

df3 = pd.pivot_table(df, index=[ '销售', '客户名称','销售总监'])

 

 3：values

如果不需要显示全部的数值列，可以用Values参数指定

# 显然Values不能随便指定，pivot_table()只能显示数值列
print(pd.pivot_table(df, index=['客户名称'], values=['状态']))

 4：aggfunc

当我们未设置aggfunc时，它默认aggfunc='mean’计算均值。其它如下

df4 = pd.pivot_table(df, index=['销售总监','销售','客户名称'],values=['数量','价格'],aggfunc=np.sum)
df5 = pd.pivot_table(df, index=['销售总监','销售','客户名称'],values=['数量','价格'],aggfunc=[np.mean,len,np.sum])

 

 

 5：columns

fill_value

columns参数就是用来显示字符型数据的，和fill_value搭配使用

补充：当 values,aggfunc,columns 的取值只有一个时，有无中括号效果略有不同。

df6 = pd.pivot_table(df, index=['销售总监'], values=['价格'],aggfunc=[np.sum],columns=['产品'],fill_value=0)

 6：更加复杂的有：

df7 = pd.pivot_table(df,index=['销售总监','状态'], values=['数量','价格'], columns=['产品'],aggfunc={'数量':len,'价格':np.sum},fill_value=0,margins=True)