Python14-pandas整理06

数据分组/数据透视表

数据分组就是根据一个或多个键(可以是函数、数组或df列名)将数据分成若干组，然后对分组后的数据分别进行汇总计算。

数据透视表与数据分组类似但又不同，数据分组是在一维(行)方向上不断拆分，而数据透视表是在行、列方向上同时拆分。

 

左边是数据分组；右边是数据透视表

 

• 数据分组

  groupby()

  分组键为列名     单列：df.groupby('客户分类').count()   多列：df.groupby(['客户分类','区域']).sum()     groupby进行分组，

                                   (对分组后的数据进行汇总运算的操作称为聚合，使用的函数称为聚合函数)

   分组键为series    一个series：df.groupby(df["客户分类"]).count()    多个series：df.groupby([df["客户分类"]，df["区域"]]).sum()

   

   aggregate()

   聚合函数直接在dataframegroupby上调用，一次只能使用一种汇总方式。aggregate可以一次使用多种汇总方式。

   df.groupby("客户名称").aggregate(["count","sum"])

   df.groupby("客户名称").aggregate({"用户":"count", "7月销量":"sum","8月销量":"sum"})      ——用字典

   df.groupby("客户分类").sum().reset_index()               ——重置索引

• 数据透视表

pivot_table()   ——基于什么，统计什么，怎么统计

           

pd.pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')

            (默认为求均值，name为all……)

            #data 表示要做数据透视表的整个表

            #values 对应Excel中值那个框

            #index  对应Excel中行那个框

            #columns 对应Excel中列那个框

            #aggfunc 表示对values的计算类型

            #fill_value 表示对空值的填充值

            #margins 表示是否显示合计列

            #dropna  表示是否删除缺失，如果为真的时，则把一整行全作为缺失值删除

            #margins_name 表示合计列的列名

使用reset_index()重置索引

port_stats = titanic_survival.pivot_table(index="Embarked", values=["Fare","Survived"], aggfunc=np.sum)
print(port_stats)
                Fare  Survived
Embarked                      
C         10072.2962        93
Q          1022.2543        30
S         17439.3988       217

            pd.pivot_table(df,values = "用户id", columns = "区域", index="客户名称", aggfunc = "count").reset_index()   

            pd.pivot_table(df,values = ["用户id","7月销量"], columns = "区域", index="客户名称", aggfunc = {"用户id":"count","7月销量":"sum"}).reset_index()   

            #如果需要对不同值进行不同的计算类型，则需要传入一个字典