[Python办公]Pandas创建透视表入门

[Python办公]Pandas创建透视表入门

Pandas 的 pivot_table 是一个用于数据透视的强大工具，它允许你根据一个或多个键对数据进行分组，然后对每个组进行聚合计算。透视表是一种数据汇总工具，常用于数据分析、报告生成和探索性数据分析。

基本用法

pivot_table 的基本用法包括以下几个参数：

1. data: 要进行分析的 DataFrame,即要透视的数据。
2. values: 要聚合的列名或列名列表（即多个列名）。
3. index: 行索引的列名或列名列表。
4. columns: 列索引的列名或列名列表。
5. aggfunc: 聚合函数，可以是预定义的函数名（如 ‘mean’, ‘sum’, ‘count’ 等），也可以是自定义的函数。

示例

假设我们有一个 DataFrame df，其中包含员工的信息，包括部门、职位和薪资。我们想要创建一个透视表，按部门和职位对薪资进行求和。

import pandas as pd

# 创建一个示例 DataFrame
data = {
    '部门': ['A', 'A', 'B', 'B'],
    '职位': ['经理', '开发', '经理', '开发'],
    '薪资': [500, 600, 700, 800],
    '性别': ['男', '女', '男', '女']
}
# 将数据转化为pandas的dataframe
df = pd.DataFrame(data)

pivot_table = pd.pivot_table(
    df,
    values='薪资',
    index='部门',
    columns='职位',
    aggfunc='sum'
)
print(f'原始df;\n{df}')
print(f'透视结果;\n{pivot_table}')

这将创建一个透视表，其中行索引是部门，列索引是职位，每个单元格的值是对应部门和职位的薪资总和。

运行结果：

高级用法

pivot_table 还支持更多高级功能，例如：

• margins: 设置为 True 时，会在透视表的底部和右侧添加总计行和列。
• fill_value: 用于替换 NaN 值的值。
• dropna: 设置为 False 时，即使某些组合没有数据，也会在透视表中保留对应的行和列。

注意事项

• 当 index 和 columns 中有多个列时，透视表将根据这些列的组合进行数据分组。
• 如果 values 是一个列表，透视表将为每个指定的列分别计算聚合值。
• aggfunc 可以是单个函数，也可以是函数的字典，用于对不同列应用不同的聚合函数。