使用pandas也可很方便的实现类似excel的透视表功能
透视表使用示例
- 首先先创建一个模拟的Dataframe数据：
import pandas as pd
import numpy as np
date = ['2017-5-1','2017-5-2','2017-5-3']*3
rng = pd.to_datetime(date)
df = pd.DataFrame({'date':rng,
'key':list('abcdabcda'),
'values':np.random.rand(9)*10})
print(df)
创建的原始数据结构如下：
date key values
0 2019-05-05 a 6.986712
1 2019-05-10 b 8.784045
2 2019-05-07 c 9.977014
3 2019-05-05 d 5.246275
4 2019-05-10 a 2.107733
5 2019-05-07 b 6.585691
6 2019-05-05 c 3.709266
7 2019-05-10 d 6.500313
8 2019-05-07 a 8.935606
-
透视表使用示例1：
使用pd.pivot_table方法进行表透视，操作示例为,以date列聚合结果为索引，将key列元素聚合并分列展示，得出对应的values列求和结果：
print(pd.pivot_table(df, values="values",
index="date",
columns="key",
aggfunc=np.sum))
操作结果为：
key a b c d
date
2019-05-05 6.986712 NaN 3.709266 5.246275
2019-05-07 8.935606 6.585691 9.977014 NaN
2019-05-10 2.107733 8.784045 NaN 6.500313
-
pd.pivot_table方法参数释义：-
data：DataFrame对象 -
values：要聚合的列或列的列表 -
index：数据透视表的index，从原数据的列中筛选 -
columns：数据透视表的columns，从原数据的列中筛选 -
aggfunc：用于聚合的函数，默认为numpy.mean，支持numpy计算方法,该处也可写aggfunc=sum
-
-
透视表使用示例2：
以date、key作为联合索引聚合，values列作为聚合的数据，按出现的次数进行聚合:
print(pd.pivot_table(df, values="values",
index=["date", "key"],
aggfunc=len))
操作结果为：
values
date key
2019-05-05 a 1.0
c 1.0
d 1.0
2019-05-07 a 1.0
b 1.0
c 1.0
2019-05-10 a 1.0
b 1.0
d 1.0
注：这里的aggfunc用的是pivot_table内置的len方法，你也可以自定义函数，比如这里可以写成aggfunc=lambda x:x.count()结果是相同的。
交叉表使用示例
- 同样，先创建一个Dataframe对象
df = pd.DataFrame({'A': [1, 2, 2, 2, 2],
'B': [3, 3, 4, 4, 4],
'C': [1, 1, np.nan, 1, 1]})
print(df)
Dataframe结构为：
A B C
0 1 3 1.0
1 2 3 1.0
2 2 4 NaN
3 2 4 1.0
4 2 4 1.0
-
交叉表使用示例1
该例表示为，在默认情况下，当只以两个series为参数时，它会以A列的唯一值为索引，统计B列中唯一值分别出现的频率:
- 默认
normalize=False时
print(pd.crosstab(df['A'],df['B']))
输出结果为：
B 3 4
A
1 1 0
2 1 3
当前使用了默认的normalize=False参数
- 指定
normalize=True时
此时
print(pd.crosstab(df['A'],df['B'], normalize=True))
输出：输出的是占总频数的百分比
B 3 4
A
1 0.2 0.0
2 0.2 0.6
-
交叉表使用示例2
当传入values参数时和aggfunc参数时，会根据所传数值和聚合函数来进行聚合，相当于只使用A和B列界定分组，计算values聚合值：
- 默认
margins=False时：
print(pd.crosstab(df['A'],df['B'],
values=df['C'],
aggfunc=np.sum))
输出：
B 3 4
A
1 1.0 NaN
2 1.0 2.0
- 使用
margins=True参数时,会添加行/列边距：
print(pd.crosstab(df['A'],df['B'],
values=df['C'],
aggfunc=np.sum,
margins=True))
输出：
B 3 4 All
A
1 1.0 NaN 1.0
2 1.0 2.0 3.0
All 2.0 2.0 4.0
网友评论