立即学习:https://edu.csdn.net/course/play/6861/326775?utm_source=blogtoedu
如果实现数据的汇总
pd.pivot_table(data,values=None,index=None,columns=None,aggfunc='mean',fill_value=None,margins=False,dropna=True,margins_name='All')
data:指定需要构造透视表的数据集
values:指定需要拉入‘数值’框的字段列表
index:指定需要拉入‘行标签’框的字段列表
columns:指定需要拉入‘列标签’框的字段列表
aggfunc:指定数值的统计函数,默认为统计均值,也可以指定numpy模块中的其他统计函数
import pandas as pd
data06 = pd.read_csv(r'E:\pylean\database\diamonds.csv')
data06
pd.pivot_table(data06,index='color',values='price',aggfunc='mean')
pd.pivot_table(data06,index='color',columns='clarity',values='price',aggfunc='size')
分组汇总
groupby'方法' :用于汇总前,设定被分组的变量
aggregate '方法':可基于groupby的结果做进一步的统计汇总
说明:在aggregate阶段,需要以字典的形式传递参数,用于选择被统计的变量和对应的统计方法
import pandas as pd
import numpy as np
data06 = pd.read_csv(r'E:\pylean\database\diamonds.csv')
#通过groupby方法,指定分组变量
grouped =data06.groupby(by=['color','cut'])
#对分组变量进行统计汇总
result = grouped.aggregate({'color':np.size,'carat':np.min,'price':np.mean,'table':np.max})
#result
#调整变量名的顺序
result = pd.DataFrame(result,columns=['carat','color','price','table'])
#result
#数据集的重命名
result.rename(columns={'color':'col','carat':'cat'},inplace=True)
result
fill_value:指定一个标量,用于填充缺省值
margins:bool类型参数,是否需要显示行或者列的总计值,默认是False
dropna:bool类型参数,是否需要删除整列为缺失的字段,默认是True
margins_name:指定行或者列的总计名称,默认是all