本文分享了如何使用pivot_table进行数据透视的三个小技巧。通过将数据转化为适合透视的格式，然后利用pivot_table的index、columns和aggfunc参数进行聚合操作，实现了数据的高效分析。例如，通过设置'zip_code'为索引，'variable'为列，并使用np.sum进行聚合，可以清晰地展示不同区域（zip_code）和类型（variable）的总和。
今天番茄加速为大家分享几个pivot_table使用小技巧。
使用 df_melt 演示不出聚合的功能：
zip_code variable value
0 12345 factory 100
1 56789 factory 400
2 101112 factory 500
3 131415 factory 600
4 12345 retail 1
5 56789 retail 2
6 101112 retail 3
7 131415 retail 4
因为 zip_code + variable 的组合都是唯一的，因此转化一步，df_melt 基础上再 append 它：
In [77]: dfa = df_melt2.append(df_melt2)
数据变为：
zip_code variable value
0 12345 factory 100
1 56789 factory 400
2 101112 factory 500
3 131415 factory 600
4 12345 retail 1
5 56789 retail 2
6 101112 retail 3
7 131415 retail 4
0 12345 factory 100
1 56789 factory 400
2 101112 factory 500
3 131415 factory 600
4 12345 retail 1
最低0.47元/天 解锁文章
扫一扫
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
