python pandas 数据透视表_python 用pandas实现数据透视表功能

透视表是一种可以对数据动态排布并且分类汇总的表格格式。对于熟练使用 excel 的伙伴来说，一定很是亲切！

pd.pivot_table() 语法：

pivot_table(data, # DataFrame

values=None, # 值

index=None, # 分类汇总依据

columns=None, # 列

aggfunc='mean', # 聚合函数

fill_value=None, # 对缺失值的填充

margins=False, # 是否启用总计行/列

dropna=True, # 删除缺失

margins_name='All' # 总计行/列的名称

)

1、销量数据的透视

1.1 读入数据

import os

import numpy as np

import pandas as pd

file_name = os.path.join(path, 'Excel_test.xls')

df = pd.read_excel(io=file_name, # 工作簿路径

sheetname='透视表', # 工作表名称

skiprows=1, # 要忽略的行数

parse_cols='A:D' # 读入的列

)

df

1.2 数据透视

# 透视数据

df_p = df.pivot_table(index='客户名称', # 透视的行，分组依据

values='销量', # 值

aggfunc='sum' # 聚合函数

)

# 对透视表进行降序排列

df_p = df_p.sort_values(by='销量', # 排序依据

ascending=False # 是否升序排列

)

# 设置数值格式

df_p = df_p.round({'销量': 0}).astype('int')

# 添加列

ks = df_p['销量']//100

df_p['重要程度'] = ['★'*k for k in ks]

df_p

1.3 重新设置图示表的索引

df_p['客户名称'] = df_p.index

df_p.set_index(keys=['重要程度', '客户名称'])

注：以上操作从理论和实践方面看都没什么问题，但模仿 excel 的痕迹浓重了些，更 python 的操作是用 groupby-applay 的方法。

2 用 分组聚合 实现数据透视

grouped = df.groupby(by='客户名称')

grouped['销量'].agg('sum')

2.1 实现目标格式的透视表

# 分类汇总

df_p = df.groupby(by='客户名称' # 分类

).agg('sum' # 汇总

).sort_values(by='销量', ascending=False # 排序

).round({'销量': 0} # 设置精度

).astype('int') # 数据类型转换

# 添加列

ks = df_p['销量']//100

df_p['重要程度'] = ['★'*k for k in ks]

df_p['客户名称'] = df_p.index

# 层次索引

df_p.set_index(keys=['重要程度', '客户名称'])

软件信息：

以上就是python 用pandas实现数据透视表功能的详细内容，更多关于python pandas实现数据透视表的资料请关注脚本之家其它相关文章！