【导语】也许大多数人都知道Excel中的数据透视表，也体会到了它的强大功能，那么Pandas也提供了一个类似的功能，也就是pivot_table。因为考虑到直接学pivot_table会有点难度，所以本篇文章将由浅入深的先通过excel实现透视表，慢慢地过渡到利用pandas来实现。
一、 什么是数据透视表
透视表是一种可以对数据动态排布并且分类汇总的表格格式。利用透视表可以快速地进行分类汇总，自由组合字段聚合计算。
二、使用excel透视表和pandas实现的区别
- excel：
只需要拖拉拽就能实现,简单易操作
- pandas：
更快（一旦设置之后）
自行说明（通过查看代码，你将知道它做了什么）
易于生成报告或电子邮件
更灵活，因为你可以定制聚合函数
使用数据透视表的一个挑战是，你需要确保你理解你的数据，并清楚地知道你想通过透视表解决什么问题。其实，虽然pivot_table看起来只是一个简单的函数，但是它能够快速地对数据进行强大的分析。
三、excel实现数据透视表
1、创建数据透视表
其实非常的简单，只需要选定我们想要进行透视的表，然后点击菜单栏中的插入透视表。
透视表中有五个基本概念：
筛选：你想要将什么进行分组，比如我想看一下不同供应商的一些信息，那么就是按照供应商进行筛选
列：列值，一般是用时间序列值
行：行值，你想要对什么内容进行展开，比如我想看不同时间段的不同原料
值：具体要看什么值，比如销售额等
在本文中，将会跟踪一个销售渠道（也称为漏斗）。基本的问题是，一些销售周期很长（可以想一下“企业软件”、“资本设备”等），而管理者想更详细地了解它一整年的情况。
其实我们只需要将不同的字段拖入到不同的区域中即可，为了方便展示数据，我们可以右键关键字段，然后将其选择上移，这样我们可以实现数据的多级展示。
这里我们注意一个左下角的功能，叫做延迟布局更新，这个当我们的数据量比较大的时候，比如说十万个数据，我们就可以选定这个延迟更新，其实就是设置当我们的字段设置完成之后才进行数据更新，可以最大程度保证我们操作的流畅性。
如果我们对数据透视表的顺序有些不满意，那我们就要按照我们自己的意愿进行顺序的修改，比如说我们选择升序和降序。
当然了，我们也可以直接在选定区域的时候直接选择插入一个透视图，一般默认是柱状图。
所以我们可以与透视表进行对比一下：
筛选：你想要将什么进行分组，比如我想看一下不同供应商的一些信息，那么就是按照供应商进行筛选
轴：其实就是透视表当中的列值，横坐标轴是什么，一般是用时间序列值
图例：也就是系类，等同于透视表当中的行值，你想要对什么内容进行展开，比如我想看不同时间段的不同原料
值：具体要看什么值，比如合格量等
这就是数据透视表与数据透视图的基本操作，这是比较简单的基础内容。
2、更改数据源
数据透视表可以随时随地进行数据源的更改，数据源变更后进行简单的更新就可反映到数据报表中，有两种方式，第一种是数据透视表刷新：如果数据源中的数值进行了更新，刷新即可。如果是数据源的结构或布局变更了，这时就采用更改数据源的方式。
3、插入计算字段
计算字段极大扩展了数据透视表的计算功能，比如原始数据表中有一列数据为销售单价，有一列数据为数量。那么在数据透视表中可以通过计算字段输入公式”=单价*数量“，来求出销售额。
值区域是数据透视表的核心部分，通过数据透视表提供的强大数据计算功能，可以使用多种汇总方式和值显示方式来计算值字段数据。比如，百分比，各种比率等。
上面就是用excel来实现数据透视表的过程，它不仅可以按照不同的方式汇总数据，还可以按照不同的方式显示数据，从而更清晰的看出数据之间的关系和逻辑。
四、pandas实现数据透视表
pandas中的函数pivot_table可以实现数据透视表，它的参数如下，下面我们来一个个的学习。我们的数据源和上面excel的一样。
pivot_table(data, values=None, index=None, columns=None,aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')
1、读取数据
import pandas as pd
import numpy as np
df = pd.read_excel("./sales-funnel.xlsx")
df.head()
我们将上表中“Status”列定义为category，并按我们想要的查看方式设置顺序（可选）
df["Status"] = df["Status"].astype("category")
df["Status"].cat.set_categories(["won","pending","presented","declined"],inplace=True)
df.info()
2、建立简单索引
pd.pivot_table(df,index=["Name"])
此外，可以有多个索引。实际上，大多数的pivot_table参数可以通过列表获取多个值。
pd.pivot_table(df,index=["Name","Rep","Manager"])
3、实现数据聚合
我们上面将“Name”，“Rep”列和“Manager”列进行对应分组，那么现在来实现数据聚合。
pd.pivot_table(df,index=["Manager","Rep"],values=["Price"])
“Price”列会自动计算数据的平均值，但是我们也可以对该列元素进行计数或求和。要添加这些功能，使用aggfunc和np.sum就很容易实现。
pd.pivot_table(df,index=["Manager","Rep"],values=["Price"],aggfunc=np.sum)
pd.pivot_table(df,index=["Manager","Rep"],values=["Price"],aggfunc=[np.mean,len])
aggfunc可以包含很多函数，下面就让我们尝试一种方法，即使用numpy中的函数mean和len来进行计算。
4、定义列
如果我们想通过不同产品来分析销售情况，那么变量“columns”将允许我们定义一个或多个列。
pivot_table中一个令人困惑的地方是“columns（列）”和“values（值）”的使用。我们只要记住，变量“columns（列）”是可选的，它提供一种额外的方法来分割你所关心的实际值。然而，聚合函数aggfunc最后是被应用到了变量“values”中你所列举的项目上。
pd.pivot_table(df,index=["Manager","Rep"],values=["Price"],
columns=["Product"],aggfunc=[np.sum])
结果里有很多NaN，如果想移除它们，我们可以使用“fill_value”将其设置为0。
pd.pivot_table(df,index=["Manager","Rep"],values=["Price"],
columns=["Product"],aggfunc=[np.sum],fill_value=0)
5、查看总和
如何查看一些总和数据呢？相当于excel中的总计，通过“margins=True”就可以为我们实现这种功能。
pd.pivot_table(df,index=["Manager","Rep","Product"],
values=["Price","Quantity"],
aggfunc=[np.sum,np.mean],fill_value=0,margins=True)
下面，让我们以更高的管理者角度来分析此渠道。根据我们前面对category的定义，注意现在“Status”是如何排序的。
pd.pivot_table(df,index=["Manager","Status"],values=["Price"],
aggfunc=[np.sum],fill_value=0,margins=True)
6、不同值执行不同的函数
为了对你选择的不同值执行不同的函数，你可以向aggfunc传递一个字典。如果你使用多个“grouby”，那么你需要评估此时使用透视表是否是一种好的选择。
table = pd.pivot_table(df,index=["Manager","Status"],columns=["Product"],values=["Quantity","Price"],
aggfunc={"Quantity":len,"Price":[np.sum,np.mean]},fill_value=0)
table
7、透视表过滤
如果只想查看一个管理者（例如Debra Henley）的数据，可以这样过滤：
table.query('Manager == ["Debra Henley"]')
查看所有的暂停（pending）和成功（won）的交易，如下：
table.query('Status == ["pending","won"]')
希望本文的内容对大家的学习或者工作能带来一定的帮助，每天进步一点点，加油❤。
网友评论