Pandas库——pivot_table数据透视表的用法

1.数据说明

有这样的一组数据：Age（年龄）是浮点数；New_Salutation（称谓）有五个取值——Mr,Mrs,Miss,Master,Other；Pclass（级别）有三个取值——1,2,3；Sex（性别）有两个取值——male,female。具体数据内容见下：

>>>df[["Age","New_Salutation","Pclass","Sex"]]

          Age New_Salutation  Pclass     Sex
0    22.000000             Mr       3    male
1    38.000000            Mrs       1  female
2    26.000000           Miss       3  female
3    35.000000            Mrs       1  female
4    35.000000             Mr       3    male
5    29.699118             Mr       3    male
6    54.000000             Mr       1    male
7     2.000000         Master       3    male
8    27.000000            Mrs       3  female

2.pivot_table使用示例

利用pandas库的pivot_table方法进行分析，使用方法如下。

pivot_table参数含义：

values：透视表中展示的是有关于Age的数值

index：按New_Salutation的五个取值（Mr,Mrs,Miss,Master,Other）进行索引排序

columns：先按照Pclass的三个取值（1,2,3）分成分成三组，每组中再按照Sex的取值（male,female）分成两组，一共是六组。也可以只填Pclass一个值，则只分成三组，不在继续细分。

aggfunc：透视表中的数值展示的是每组关于Age的均值

对于New_Salutation取值为Master，Pclass为1，Sex为Male的这些人，他们的Age均值是4.0，见下文数据中的标红数字

>>>table=df.pivot_table(values="Age",index=["New_Salutation"],columns=["Pclass","Sex"],aggfunc=np.median)

输出结果为：

Pclass                   1                    2                         3           
Sex            female  male female  male     female       male
New_Salutation                                                
Master            NaN   4.0    NaN   1.0        NaN   6.500000
Miss             30.0   NaN   24.0   NaN  22.000000        NaN
Mr                NaN  36.0    NaN  30.0        NaN  29.699118
Mrs              38.5   NaN   32.0   NaN  29.699118        NaN
Others           28.5  47.0   28.0  46.5        NaN        NaN