在pandas中使用數(shù)據(jù)透視表
什么是透視表？
經(jīng)常做報(bào)表的小伙伴對(duì)數(shù)據(jù)透視表應(yīng)該不陌生，在excel中利用透視表可以快速地進(jìn)行分類匯總，自由組合字段聚合計(jì)算，而這些只需要拖拉拽就能實(shí)現(xiàn)。
維基百科對(duì)透視表（pivot table）解釋是：
A 「pivot table」?is a table ?of statistics that summarizes the data of a more extensive table.?
透視表是一種匯總了更廣泛表數(shù)據(jù)的統(tǒng)計(jì)信息表。
典型的數(shù)據(jù)格式是扁平的，只包含行和列，不方便總結(jié)信息：
而數(shù)據(jù)透視表可以快速抽取有用的信息：
pandas也有透視表？
pandas作為編程領(lǐng)域最強(qiáng)大的數(shù)據(jù)分析工具之一，自然也有透視表的功能。
在pandas中，透視表操作由pivot_table()函數(shù)實(shí)現(xiàn)，不要小看只是一個(gè)函數(shù)，但卻可以玩轉(zhuǎn)數(shù)據(jù)表，解決大麻煩。
pivot_table使用方法：
pandas.pivot_table(*data*,?*values=None*,?*index=None*,?*columns=None*,?*aggfunc='mean'*,?*fill_value=None*,?*margins=False*,?*dropna=True*,?*margins_name='All'*,?*observed=False*)?
參數(shù)解釋：
data：dataframe格式數(shù)據(jù) values：需要匯總計(jì)算的列，可多選 index：行分組鍵，一般是用于分組的列名或其他分組鍵，作為結(jié)果DataFrame的行索引 columns：列分組鍵，一般是用于分組的列名或其他分組鍵，作為結(jié)果DataFrame的列索引 aggfunc：聚合函數(shù)或函數(shù)列表，默認(rèn)為平均值 fill_value：設(shè)定缺失替換值 margins：是否添加行列的總計(jì) dropna：默認(rèn)為True，如果列的所有值都是NaN，將不作為計(jì)算列，F(xiàn)alse時(shí)，被保留 margins_name：匯總行列的名稱，默認(rèn)為All observed：是否顯示觀測(cè)值
注意，在所有參數(shù)中，values、index、columns最為關(guān)鍵，它們分別對(duì)應(yīng)excel透視表中的值、行、列：
參數(shù)aggfunc對(duì)應(yīng)excel透視表中的值匯總方式，但比excel的聚合方式更豐富：
如何使用pivot_table?
下面拿數(shù)據(jù)練一練，示例數(shù)據(jù)表如下：
該表為用戶訂單數(shù)據(jù)，有訂單日期、商品類別、價(jià)格、利潤(rùn)等維度。
首先導(dǎo)入數(shù)據(jù)：
data?=?pd.read_excel("E:\\訂單數(shù)據(jù).xlsx")
data.head()
接下來使用透視表做分析：
計(jì)算每個(gè)州銷售總額和利潤(rùn)總額
result1?=?pd.pivot_table(data,index='洲'?,?values?=?['銷售額','利潤(rùn)']?,?aggfunc?=?np.sum)
result1.head()
計(jì)算每個(gè)洲每個(gè)城市每單平均銷售量
result2?=?pd.pivot_table(data,index=['洲','城市'],aggfunc=np.mean,values=['數(shù)量'])
result2.head(20)
計(jì)算每個(gè)洲的總銷量和每單平均銷量
result3?=?pd.pivot_table(data,index=['洲'],aggfunc=[np.sum,np.mean],values=['數(shù)量'])
result3.head()
看每個(gè)城市（行）每類商品（列）的總銷售量，并匯總計(jì)算
result4?=?pd.pivot_table(data,index=['城市'],columns=['商品類別'],aggfunc=[np.sum],values=['數(shù)量'],margins=True)
result4.head()
總結(jié)
本文介紹了pandas pivot_table函數(shù)的使用，其透視表功能基本和excel類似，但pandas的聚合方式更加靈活和多元，處理大數(shù)據(jù)也更快速，大家有興趣可探索更高級(jí)的用法；
? ??