这篇文章主要介绍了python 用pandas实现数据透视表功能的方法，帮助大家更好的理解和使用python，感兴趣的朋友可以了解下
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：
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
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
# 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
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
grouped = df.group<a style="color:transparent">来源gao*daima.com搞@代#码网</a>by(by='客户名称') grouped['销量'].agg('sum')
2.1 实现目标格式的透视表
# 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脚本之家其它相关文章！
以上就是python 用pandas实现数据透视表功能的详细内容，更多请关注gaodaima搞代码网其它相关文章！
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：python 用pandas实现数据透视表功能
转载请注明原文链接：python 用pandas实现数据透视表功能
