Python pandas.pivot_table() 函数

当前位置：主页 > 学无止境 > 编程语言 > Python >

Python PHP Java Go TypeScript C++ Vba Node.js C语言 MATLAB

Python pandas.pivot_table() 函数

作者：迹忆客最近更新：2024/04/24 浏览次数：

Python Pandaspandas.pivot_table() 函数避免了 DataFrame 的数据重复。它对数据进行汇总，并对数据应用不同的聚合函数。

`pandas.pivot_table()` 的语法

pandas.pivot_table(
    data,
    values=None,
    index=None,
    columns=None,
    aggfunc="mean",
    fill_value=None,
    margins=False,
    dropna=True,
    margins_name="All",
    observed=False,
)

参数

这个函数有几个参数。所有参数的默认值如上所述。


`data`	这是 `DataFrame`，我们要从中删除重复的数据。
`values`	它代表要汇总的列
`index`	它是一个列、`grouper`、数组或列表。它代表我们想要作为索引的数据列，即行。
`columns`	它是一个列、`grouper`、数组或列表。它代表了我们希望在输出数据透视表中作为列的数据列。
`aggfunc`	它是一个函数、函数列表或字典。它代表将应用于数据的聚合函数。如果传递的是聚合函数的列表，那么在结果表中，每个聚合函数将有一列，列名在顶部。
`fill_value`	它是一个标量。它表示将取代输出表中缺失值的数值。
`margins`	这是一个布尔值。它代表了在取了各自行和列的和之后生成的行和列。
`dropna`	它是一个布尔值。它从输出表中删除值为 `NaN` 的列。
`margins_name`	它是一个 “字符串”。它表示如果 `margins` 值为 `True` 时生成的行和列的名称。
`observed`	它是一个布尔值。如果任何分组是分类的，那么这个参数就适用。如果为 `True`，则显示分类分组的观察值。如果是 `False`，则显示分类分组的所有值。

返回值

它返回汇总后的 DataFrame。

示例代码：`pandas.pivot_table()`

让我们通过实现这个函数来深入了解它。

import pandas as pd

dataframe = pd.DataFrame({
                            "Name": 
                                ["Olivia", 
                                "Olivia", 
                                "Olivia", 
                                "Olivia", 
                                "Meghan", 
                                "Meghan", 
                                "Meghan", 
                                "Meghan"],
                            "Date": 
                                ["03-06-2019", 
                                "04-06-2019", 
                                "03-06-2019", 
                                "04-06-2019", 
                                "03-06-2019", 
                                "04-06-2019", 
                                "03-06-2019", 
                                "04-06-2019"],
                            "Science Marks": 
                                [10, 
                                2, 
                                4, 
                                6, 
                                8, 
                                9, 
                                1, 
                                10]
                        })
print(dataframe)

示例 DataFrame 的是:

     Name        Date  Science Marks
0  Olivia  03-06-2019             10
1  Olivia  04-06-2019              2
2  Olivia  03-06-2019              4
3  Olivia  04-06-2019              6
4  Meghan  03-06-2019              8
5  Meghan  04-06-2019              9
6  Meghan  03-06-2019              1
7  Meghan  04-06-2019             10

请注意，上述数据在一列中多次包含相同的值。这个 pivot_table 函数将汇总这些数据。

import pandas as pd

dataframe = pd.DataFrame(
    {
        "Name": [
            "Olivia",
            "Olivia",
            "Olivia",
            "Olivia",
            "Meghan",
            "Meghan",
            "Meghan",
            "Meghan",
        ],
        "Date": [
            "03-06-2019",
            "04-06-2019",
            "03-06-2019",
            "04-06-2019",
            "03-06-2019",
            "04-06-2019",
            "03-06-2019",
            "04-06-2019",
        ],
        "Science Marks": [10, 2, 4, 6, 8, 9, 1, 10],
    }
)

pivotTable = pd.pivot_table(dataframe, index="Name", columns="Date")
print(pivotTable)

输出：

              Science Marks           
Date      03-06-2019 04-06-2019
Name                           
Meghan           4.5        9.5
Olivia           7.0        4.0

这里，我们选择了 Name 列作为索引，Date 作为列。函数已经根据默认参数生成了结果。默认的聚合函数 mean 计算了数值的平均值。

示例代码：`pandas.pivot_table()` 指定多个聚合函数

import pandas as pd

dataframe = pd.DataFrame(
    {
        "Name": [
            "Olivia",
            "Olivia",
            "Olivia",
            "Olivia",
            "Meghan",
            "Meghan",
            "Meghan",
            "Meghan",
        ],
        "Date": [
            "03-06-2019",
            "04-06-2019",
            "03-06-2019",
            "04-06-2019",
            "03-06-2019",
            "04-06-2019",
            "03-06-2019",
            "04-06-2019",
        ],
        "Science Marks": [10, 2, 4, 6, 8, 9, 1, 10],
    }
)

pivotTable = pd.pivot_table(
    dataframe, index="Name", columns="Date", aggfunc=["sum", "count"]
)
print(pivotTable)

输出：

                   sum                    count           
              Science Marks            Science Marks           
Date      03-06-2019 04-06-2019    03-06-2019 04-06-2019
Name                                                    
Meghan             9         19             2          2
Olivia            14          8             2          2

我们使用了两个汇总函数。这些函数的列是单独生成的。

示例代码：`pandas.pivot_table()` 使用 `margins` 参数

import pandas as pd

dataframe = pd.DataFrame(
    {
        "Name": [
            "Olivia",
            "Olivia",
            "Olivia",
            "Olivia",
            "Meghan",
            "Meghan",
            "Meghan",
            "Meghan",
        ],
        "Date": [
            "03-06-2019",
            "04-06-2019",
            "03-06-2019",
            "04-06-2019",
            "03-06-2019",
            "04-06-2019",
            "03-06-2019",
            "04-06-2019",
        ],
        "Science Marks": [10, 2, 4, 6, 8, 9, 1, 10],
    }
)

pivotTable = pd.pivot_table(
    dataframe, index="Name", columns="Date", aggfunc=["sum", "count"], margins=True
)
print(pivotTable)

输出：

                   sum                        count               
              Science Marks                Science Marks               
Date      03-06-2019 04-06-2019 All    03-06-2019 04-06-2019 All
Name                                                            
Meghan             9         19  28             2          2   4
Olivia            14          8  22             2          2   4
All               23         27  50             4          4   8

margins 参数生成了一个名为 All 的新行和一个名为 All 的新列，分别显示行和列的和。

上一篇：在 Pandas 中使用 stack() 和 unstack() 函数重塑 DataFrame

下一篇：Pandas pandas.melt() 函数

转载请发邮件至 1244347461@qq.com 进行申请，经作者同意之后，转载请以链接形式注明出处

本文地址：