python pandas使用数据透视表

 

1)

 

官网啰嗦这一堆, pandas.pivot_table函数中包含四个主要的变量,以及一些可选择使用的参数。四个主要的变量分别是数据源data,行索引index,列columns,和数值values。可选择使用的参数包括数值的汇总 方式,NaN值的处理方式,以及是否显示汇总行数据等

 

 2)对比下

图取之https://www.cnblogs.com/stream886/p/6022125.html

 

 

3)csv文件

 

 

4)一个最简单的例子

 

 

 

5)再难一点

 

 

6)再难一点

 

 

 

7)

 aggfunc是汇总方式,numpy.sum表示求和,numpy.mean表示计算平均值,len表示计数。在下面新创建的数据透视表中可以看到,求和sum部分,平均值mean部
分和计数len部分的计算结果。

 

8)处理Nan值

 

 9)汇总

 

 

 

10)写进透视表

 

转载于:https://www.cnblogs.com/baxianhua/p/10696718.html

  • 2
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python中,可以使用pandas库的pivot_table函数来实现数据透视表的功能[^1][^1]。pivot_table函数的基本语法如下: ```python pandas.pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All', observed=False) ``` 其中,参数说明如下: - data:要进行数据透视的数据集。 - values:要聚合的列名。 - index:作为行索引的列名。 - columns:作为列索引的列名。 - aggfunc:聚合函数,默认为'mean',表示计算均值。 - fill_value:用于填充缺失值的值。 - margins:是否显示行和列的汇总,默认为False。 - dropna:是否删除包含缺失值的行,默认为True。 - margins_name:汇总行和列的名称,默认为'All'。 - observed:是否观察到所有的值,默认为False。 下面是一个示例,演示如何使用pivot_table函数进行数据透视表操作: ```python import pandas as pd # 创建示例数据集 data = {'Name': ['Alice', 'Bob', 'Charlie', 'Alice', 'Bob', 'Charlie'], 'City': ['New York', 'London', 'Paris', 'New York', 'London', 'Paris'], 'Salary': [5000, 6000, 7000, 5500, 6500, 7500]} df = pd.DataFrame(data) # 使用pivot_table函数进行数据透视 pivot_table = pd.pivot_table(df, values='Salary', index='Name', columns='City', aggfunc='mean') print(pivot_table) ``` 运行以上代码,将会输出以下结果: ``` City London New York Paris Name Alice NaN 5250.0 NaN Bob 6250.0 NaN NaN Charlie NaN NaN 7250.0 ``` 这个结果展示了根据姓名和城市对薪水进行了聚合,并以姓名作为行索引,以城市作为列索引的数据透视表
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值