在用Excel做数据处理的时候,数据透视表的功能很实用,Python中也有数据透视表功能。如下:
- 预览数据源
# 预览数据源
df
- 计算每个年份的平均销售数量
# 计算每个年份的平均销售数量
pd.pivot_table(df, index = "年份", values = "销售数量" )
- 计算每个年份的总销售数量
# 计算每个年份的总销售数量
pd.pivot_table(df, index = "年份", values = "销售数量" ,aggfunc = "sum")
4. 计算各个省份各种商品的总销售数量
# 计算各个省份各种商品的总销售数量
pd.pivot_table(df, index = "省份", columns = "商品", values = "销售数量" ,aggfunc = "sum")
5. 计算各个省份各种商品的总销售数量,将错误值强制显示为0
# 计算各个省份各种商品的总销售数量,将错误值强制显示为0
pd.pivot_table(df, index = "省份", columns = "商品", values = "销售数量" ,aggfunc = "sum").fillna("0")
6. 计算各个省份各种商品的总销售数量,将错误值强制显示为0.添加合计行与列
# 计算各个省份各种商品的总销售数量,将错误值强制显示为0.添加合计行与列
pd.pivot_table(df, index = "省份", columns = "商品", values = "销售数量" ,aggfunc = "sum",margins = True).fillna("0")
7. # 计算各个省份各种商品的总销售数量,将错误值强制显示为0.添加合计行与列,且给合计行重命名
# 计算各个省份各种商品的总销售数量,将错误值强制显示为0.添加合计行与列,且给合计行重命名
pd.pivot_table(df, index = "省份", columns = "商品", values = "销售数量" ,aggfunc = "sum",margins = True,margins_name = "合计").fillna("0")
小结:平时用Excel的数据透视表,感觉挺方便的。但如果玩腻了Excel,玩一下Python也是不错的。