如何用Python实现透视表？

如何用Python实现透视表？

​ 相信接触过Excel的小伙伴都知道，Excel有一个非常强大的功能**“数据透视表”**，使用数据透视表可以自由选择不同字段，用不同的聚合函数进行汇总，并建立交叉表格，用以从不同层面观察数据。这么强大的功能，在Python中怎么去实现呢？

​ 不用担心，Python的"数据分析小能手"Pandas很贴心地为我们提供了一个快速实现数据透视表功能的方法——pivot_table()。事不宜迟，让我们赶紧看看如何在Python中实现数据透视表！

1. 数据

​ 为帮助大家更好地理解，在讲解如何使用pivot_table( )实现透视表前，我们先导入示例数据，在接下来的讲解中都使用此数据作为例子。

# 导入示例数据
<<< data =pd.read_csv("data.csv")
<<< data.head()
    月份  项目	部门   金额	      剩余金额
0	1月	水费	市场部	1962.37	   8210.58
1	2月	水费	市场部	690.69	   9510.60
2	2月	电费	市场部	2310.12	   5384.92
3	2月	电费	运营部	-1962.37   7973.10
4	2月	电费	开发部	1322.33	   6572.16

​ 下面我将带大家使用pivot_table( )一步一步实现数据透视表的操作。

2. 操作

首先，原数据有5个字段，我们在做数据透视表之前必须理解每个字段的意思，明确清楚自己需要得到什么信息。

​ 假设我们想看看不同月份所花费的水电费金额是多少，这时我们需要把字段“月份”设置为索引，将字段“金额”设置为我们需要看的值，具体代码如下：

<<< data.pivot_table(index=['月份'],values=['金额'])
           金额
月份	
10月	3723.940000
11月	2900.151667
12月	10768.262857
1月	1962.370000
2月	1432.280000
3月	3212.106667
4月	4019.175000
5月	4051.480000
6月	6682.632500
7月	11336.463333
8月	17523.485000
9月	10431.960000

​ 参数index为设置的索引列表，即分组依据，需要用中括号[ ]将索引字段括起来；参数values为分组后进行计算的字段列表，也需要用中括号[ ]括起来。这两个参数的值可以是一个或多个字段，即按照多个字段进行分组和对多个字段进行计算汇总。例如，设置index=[‘项目’,‘部门’]代表求不同项目不同部门下的金额。

<<< data.pivot_table(index=['项目','部门'],values=['金额'])
			金额
项目	部门	
水费	市场部	 3614.318125
	 开发部   2358.205000
	 运营部   5896.213333
电费	市场部	  6094.748235
	  开发部	1322.330000
	  运营部	7288.615000
采暖费	市场部	  5068.380000
	  运营部	55978.000000

​ 若设置values=[‘金额’,‘剩余金额’]，即求不同项目不同部门下金额和剩余金额的值。

<<< data.pivot_table(index=['项目','部门'],values=['金额','剩余金额'])
			  剩余金额	     金额
项目	部门		
水费	市场部	   7478.423125	3614.318125
	  开发部	6866.490000	  2358.205000
	  运营部	7224.033333	  5896.213333
电费	市场部	   7645.535882	 6094.748235
	  开发部	6572.160000	   1322.330000
	  运营部	8821.895000	   7288.615000
采暖费	市场部	  6572.030000	 5068.380000
	  运营部	7908.560000	   55978.000000

​ 同时，如果我们想以交叉表的形式查看不同项目和不同部门下的消费金额，这时就要将字段‘部门’设置为列名，进行交叉查看，具体代码如下：

<<< data.pivot_table(index=['项目'],columns=['部门'],values=['金额'])
	  金额
部门	 市场部	    开发部	    运营部
项目			
水费	 3614.318125  2358.205	5896.213333
电费	 6094.748235  1322.330	7288.615000
采暖费	 5068.380000  NaN	   55978.000000

​ 通过上面的示例，我们可以看到某个分组下不存在记录会被标记为NAN，例如上述中采暖部和开发部不存在金额这一字段的记录，则会标记为NAN。如果不希望被标记为NAN，我们可以通过设置参数fill_value=0来用数值0替代这部分的缺失值。

<<< data.pivot_table(index=['项目'],columns=['部门'],values=['金额'],fill_value=0)
	  金额
部门	 市场部	    开发部	    运营部
项目			
水费	 3614.318125  2358.205	5896.213333
电费	 6094.748235  1322.330	7288.615000
采暖费	 5068.380000  0.000	   55978.000000

​ 在上面的示例中，我们都是默认分组后对值进行求平均值计算，假如我们想查看不同项目不同部门下金额的总和该怎么实现呢？

​ 通过设置参数aggfunc=np.sum即可对分组后的值进行求和操作，参数aggfunc代表分组后值的汇总方式，可传入numpy库中的聚合方法。

<<< data.pivot_table(index=['项目'],columns=['部门'],values=['金额'],fill_value=0,aggfunc=np.sum)
金额
部门	  市场部	   开发部	  运营部
项目			
水费	  57829.09	 4716.41   17688.64
电费	  103610.72	 1322.33   29154.46
采暖费	  5068.38	 0.00	  55978.00

​ 除了常见的求和、求平均值这两种聚合方法，我们还可能接触到以下这几种：

描述	方法
标准差	np.std()
方差	np.var()
所有元素相乘	np.prod()
中数	np.median()
幂运算	np.power()
开方	np.sqrt()
最小值	np.min()
最大值	np.max()
以e为底的指数	np.exp(10)
对数	np.log(10)

​ 与前面介绍的参数index，columns，value一样，参数aggfunc传入的值也是一个列表，表示可传入一个或多个值。当传入多个值时，表示对该值进行多种汇总方式，例如同时求不同项目不同部门下金额的求和值和平均值：

<<< data.pivot_table(index=['项目'],columns=['部门'],values=['金额'],fill_value=0,aggfunc=[np.sum,np.max])
     sum	           amax
     金额	              金额
部门	市场部	开发部	运营部	市场部	开发部	运营部
项目						
水费	57829.09  4716.41  17688.64 16807.58 2941.28 6273.56
电费	103610.72 1322.33  29154.46	18239.39 1322.33 26266.60
采暖费	5068.38	  0.00	  55978.00	5068.38	 0.00	 55978.00

​ 同时，如果我们想对不同字段进行不同的汇总方式，可通过对参数aggfunc传入字典来实现，例如我们可以同时对不同项目不同部门下，对字段金额求总和值，对字段剩余金额求平均值：

<<< data.pivot_table(index=['项目'],columns=['部门'],values=['金额','剩余金额'],fill_value=0,aggfunc={'金额':np.sum,'剩余金额':np.max})
	 剩余金额	               金额
部门	市场部	  开发部	运营部	  市场部	  开发部	  运营部
项目						
水费	9510.60	8719.34	7810.38	57829.09   4716.41  17688.64
电费	9625.27	6572.16	9938.82	103610.72  1322.33	29154.46
采暖费	6572.03	0.00    7908.56	5068.38	   0.00	    55978.00

​ 另外，在进行以上功能的同时，pivot_table还为我们提供了一个求所有行及所有列对应合计值的参数margins，当设置参数margins=True时，会在输出结果的最后添加一行**‘All’,表示根据columns进行分组后每一项的列总计值；以及在输出结果的最后添加一列’All’**,表示根据index进行分组后每一项的行总计值。

<<< pd.set_option('precision',0)
<<< data.pivot_table(index=['项目'],columns=['部门'],values=['金额','剩余金额'],fill_value=0,aggfunc={'金额':np.sum,'剩余金额':np.max},margins=True)
	 剩余金额	              金额
部门	市场部	开发部	运营部	All	  市场部  开发部  运营部	 All
项目								
水费	9511  8719	7810  9511	57829  4716	  17689	 80234
电费	9625  6572	9939  9939	103611	1322  29154	 134088
采暖费	6572  0	    7909  7909	5068	0	  55978	 61046
All	  9625	8719  9939	9939  166508  6039	102821 275368

3. 番外

​ 上面详细介绍了如何在python中通过pivot_table( )方法实现数据透视表的功能，那么，与数据透视表原理相同，显示方式不同的**‘数据透视图’**又该怎么实现呢？

​ 实现方法非常简单，将上述进行pivot_table操作后的对象进行实例化，再对实例化后的对象进行plot绘图操作即可，具体代码如下：

<<< df=data.pivot_table(index=['项目'],columns=['部门'],values='金额',fill_value=0)
<<< df.plot(kind='bar')