Python如何构造数据透视表_python数据透视表

作者：不正经 | 2024-06-07 17:42:40

踩

python数据透视表

数据透视表是一种分类汇总数据的方法。在 Python 中，我们可以使用 Pandas 库中的pivot_table 函数来创建和操作数据透视表，相比Excel，Python可以更多更快的处理数据。

一、数据

首先，引入几个重要的包：

import pandas as pd
import numpy as np
from pandas import DataFrame,Series
1
2
3

通过代码构造数据集，创建一个DataFrame对象，作为数据源：

data = {'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Emily'],
        'Gender': ['Female', 'Male', 'Male', 'Male', 'Female'],
        'Age': [25, 30, 35, 40, 45],
        'City': ['Beijing', 'Shanghai', 'Beijing', 'Shanghai', 'Beijing'],
        'Salary': [5000, 6000, 7000, 8000, 9000]}
df = pd.DataFrame(data)
1
2
3
4
5
6

得到数据如下：

Name  Gender  Age      City  Salary
0    Alice  Female   25   Beijing    5000
1      Bob    Male   30  Shanghai    6000
2  Charlie    Male   35   Beijing    7000
3    David    Male   40  Shanghai    8000
4    Emily  Female   45   Beijing    9000
1
2
3
4
5
6

二、pivot_table

首先，介绍一下pivot_table 函数：

函数：
pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')
1
2

看一下参数主要的作用：

data:DataFrame

values:被计算的数据项，设定需要被聚合操作的列（需要显示的列）

index:每个pivot_table必须拥有一个index,必选参数，设定数据的行索引，可以设置多层索引，多次索引时按照需求确定索引顺序。

columns:必选参数，设定列索引，用来显示字符型数据，和fill_value搭配使用。

aggfunc:聚合函数， pivot_table后新dataframe的值都会通过aggfunc进行运算。默认numpy.mean求平均。

fill_values:填充NA值（设定缺失值）。默认不填充，可以指定。

margins：添加行列的总计，默认FALSE不显示。TRUE显示。

dropna：如果整行都为NA值，则进行丢弃，默认TRUE丢弃。FALSE时，被保留。

margins_name：margins = True 时，设定margins 行/列的名称。‘all’ 默认值

三、按照不同类进行计数统计

为了结算每个城市不同性别的平均收入，我们可以利用pivot_table函数进行统计：

pt1 = df.pivot_table(index='City', columns='Gender', values='Salay', aggfunc='mean')
1

结果如下：

Gender    Female    Male
City                    
Beijing   7000.0  7000.0
Shanghai     NaN  7000.0
1
2
3
4

如果要知道每个城市不同性别的总收入，只需要设定aggfunc函数为sum进行求和：

pt2 = df.pivot_table(index='City', columns='Gender', values='Salary', aggfunc='sum')
1

结果如下：

Gender     Female     Male
City                      
Beijing   14000.0   7000.0
Shanghai      NaN  14000.0
1
2
3
4

可以看到这两个数据透视表是有缺失值的，pivot_table有一个参数fill_value，就是用来填充这些缺失值的。而pivot_table方法还支持对透视表进行统计计算，而且会新建一个列来存放计算结果。这个统计需要用到以下两个参数：

● margins，设定是否添加汇总列，一般设置为True。

● margins_name，汇总列的名称。

代码示例：

pt3 = df.pivot_table(index='City', columns='Gender', values='Salary', fill_value=0, aggfunc='sum', margins=True, margins_name="汇总")
1

结果如下：

Gender    Female   Male     汇总
City                          
Beijing    14000   7000  21000
Shanghai       0  14000  14000
汇总         14000  21000  35000
1
2
3
4
5

四、筛选数据透视表中的数据

pivot_table的运算结果是一个DataFrame类型，所以可以用DataFrame截取数据的方法筛选数据透视表中的数据。本节用于示例的数据透视表如下：

Gender    Female   Male     汇总
City                          
Beijing    14000   7000  21000
Shanghai       0  14000  14000
汇总         14000  21000  35000
1
2
3
4
5

（1）仅保留汇总列的数据。

pt['汇总']
1

结果是一个Series，如下所示。

City
Beijing     21000
Shanghai    14000
汇总          35000
Name: 汇总, dtype: int64
1
2
3
4
5

（2）获取男性和女性的汇总数据。

pt[['Female', 'Male']]
1

结果如下：

Gender    Female   Male
City                   
Beijing    14000   7000
Shanghai       0  14000
汇总         14000  21000
1
2
3
4
5

五、使用字段列表排列数据透视表中的数据

数据透视表是一个DataFrame，所以可以用sort_values方法来按某列排序，示例代码如下：

pt3 = df.pivot_table(index='City', columns='Gender', values='Salary', fill_value=0, aggfunc='sum', margins=True, margins_name="汇总")
pt3.sort_values(by="汇总")
1
2

结果如下：

Gender    Female   Male     汇总
City      
Shanghai       0  14000  14000              
Beijing    14000   7000  21000
汇总         14000  21000  35000
1
2
3
4
5