数据可视化--pivot_table和crosstab

import numpy as np
import pandas as pd
from pandas import Series,DataFrame

df = DataFrame({'类别':['水果','水果','水果','蔬菜','蔬菜','肉类','肉类'],
                '产地':['美国','中国','中国','中国','新西兰','新西兰','美国'],
                '水果':['苹果','梨','草莓','番茄','黄瓜','羊肉','牛肉'],
               '数量':[5,5,9,3,2,10,8],
               '价格':[5,5,10,3,3,13,20]})
print(df)

1. pivot_table

pivot_table（指定行列对表内数值进行操作）

print(df.pivot_table(index=['产地','类别']))
print(df.pivot_table(index=['产地']))

行索引为产地和类别，默认列索引为价格和数量，值为价格和数量的平均值
行索引为产地，默认列索引为价格和数量，值为价格和数量的平均值
类似于以“产地和类别”或者“产地”分组，求取均值默认为数值类型的均值

列为产地、类别，行则为数量、价格的均值

print(df.pivot_table(columns=['产地','类别']))

不同产地不同类别下的价格值
按照产地、类别进行分类，统计价格最大值，aggfunc为聚合函数，可求平均值、加和值、最大最小值等，margins分类后的值进行加和，缺失值填充为0

df.pivot_table(values="价格",index="产地",columns="类别",aggfunc="sum",fill_value=0,margins=True)

print(df.pivot_table('价格',index='产地',columns='类别',aggfunc='max',margins=True,fill_value=0)) 

print(df.pivot_table('价格',index='产地',columns='类别'))

2. crosstab

crosstab( 按类别分组，统计各个分组中产地的频数)

print(pd.crosstab(df['类别'],df['产地'],margins=True))