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。对于熟练使用 excel 的伙伴来说,一定很是亲切!
pd.pivot_table() 语法:
1
2
3
4
5
6
7
8
9
10
|
pivot_table(data, # dataframe
values = none, # 值
index = none, # 分类汇总依据
columns = none, # 列
aggfunc = 'mean' , # 聚合函数
fill_value = none, # 对缺失值的填充
margins = false, # 是否启用总计行/列
dropna = true, # 删除缺失
margins_name = 'all' # 总计行/列的名称
)
|
1、销量数据的透视
1.1 读入数据
1
2
3
4
5
6
7
8
9
10
11
|
import os
import numpy as np
import pandas as pd
file_name = os.path.join(path, 'excel_test.xls' )
df = pd.read_excel(io = file_name, # 工作簿路径
sheetname = '透视表' , # 工作表名称
skiprows = 1 , # 要忽略的行数
parse_cols = 'a:d' # 读入的列
)
df
|
1.2 数据透视
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
# 透视数据
df_p = df.pivot_table(index = '客户名称' , # 透视的行,分组依据
values = '销量' , # 值
aggfunc = 'sum' # 聚合函数
)
# 对透视表进行降序排列
df_p = df_p.sort_values(by = '销量' , # 排序依据
ascending = false # 是否升序排列
)
# 设置数值格式
df_p = df_p. round ({ '销量' : 0 }).astype( 'int' )
# 添加列
ks = df_p[ '销量' ] / / 100
df_p[ '重要程度' ] = [ '★' * k for k in ks]
df_p
|
1.3 重新设置图示表的索引
1
2
|
df_p[ '客户名称' ] = df_p.index
df_p.set_index(keys = [ '重要程度' , '客户名称' ])
|
注:以上操作从理论和实践方面看都没什么问题,但模仿 excel 的痕迹浓重了些,更 python 的操作是用 groupby-applay 的方法。
2 用 分组聚合 实现数据透视
1
2
|
grouped = df.groupby(by = '客户名称' )
grouped[ '销量' ].agg( 'sum' )
|
2.1 实现目标格式的透视表
1
2
3
4
5
6
7
8
9
10
11
12
13
|
# 分类汇总
df_p = df.groupby(by = '客户名称' # 分类
).agg( 'sum' # 汇总
).sort_values(by = '销量' , ascending = false # 排序
). round ({ '销量' : 0 } # 设置精度
).astype( 'int' ) # 数据类型转换
# 添加列
ks = df_p[ '销量' ] / / 100
df_p[ '重要程度' ] = [ '★' * k for k in ks]
df_p[ '客户名称' ] = df_p.index
# 层次索引
df_p.set_index(keys = [ '重要程度' , '客户名称' ])
|
软件信息:
以上就是python 用pandas实现数据透视表功能的详细内容,更多关于python pandas实现数据透视表的资料请关注服务器之家其它相关文章!
原文链接:https://www.cnblogs.com/shanger/p/13245669.html