python pivot table 多层索引顺序_盘一盘 Python 系列特别篇十七之 透视表 Pivot Table...

本文含  3796 字， 22 图表截屏 建议阅读  20  分钟 从功能上讲，Pandas 中用透视表 (pivot table) 和 Excel 里面的透视表是一样的。透视表是一种做多维数据分析的工具，还记得  Pandas  的 split-apply-combine 三部曲吗？首先用 groupby 分组，再平行将某个函数应用到各组上，最后自动连接成一个总表。今天介绍的 pivot_table() 函数可以将上面“ 拆分-应用-结合”三个步骤用一行来完成。

先看一张图：

Pivot 字面意思是支点，即上图中的 index 和 columns 指定的行和列标签，支点可想理解成数据 (values) 在哪个维度上做整合 (aggfunc)，再吧 NaN 值用 fill_value 替代，按行按列加总 (margin=True)。

理解还有些难度？没问题，看完本帖就懂了。

数据

首先从 csv 读数据。

df = pd.read_csv('PB Sales.csv')df

设置“单行”为 Pivot

创建透视表的 pivot_table() 函数里面的参数设置很多，学习它最有效的方式是每一步设置一个参数，检查结果是否符合预期。

先从最简单的语法开始，只设置 index='Account'，通用语法如下：

pd.pivot_table(df, index=label_str)

pd.pivot_table( df, index="Account" )

从上表结果看，Price 和 Quantity 两列按照 Account 以某种方式合并了。看原 df 最后两行，账户 MM729833 合并成一行，对应的 Price 和 Quantity 是 42500 和 200，看来某种方式是求平均。现在大概可以猜出 pivot_table() 函数中有个参数用来设置整合方式，而默认值为平均。

设置“多行”为 Pivot

上例设置单个 index，接下来看看设置多个 index 的结果是什么样的。这时用列表来存储多个 index。通用语法如下：