Python数据分析笔记#10.4.1 透视表pivot table

「目录」

数据聚合与分组运算

Data Aggregation and Group Operations

• 10.1 => GroupBy机制

• 10.2 => 数据聚合

• 10.3 => apply：拆分 - 应用 - 合并

• 10.4 => 透视表和交叉表

pivot table透视表

最近真的是又浮躁又悠闲的日子，明明内卷的现在大家都很累，但又怕真的闲下来，真是矛盾啊。

这几天看了空之境界的剧场版，虽然是十年前的作品但真的令人印象深刻，无论剧情，人物还是音乐。今天上面的音乐就是其中的一首，听的时候真的有我小学放学后，躺在银杏树下的感觉了。

上面是一点小感慨，下面正式开始吧。

透视表根据一个或多个键对数据进行聚合，并根据行和列上的分组键将数据分配到各个矩形区域中。

DataFrame有一个pivot_table方法可以实现这个功能，除此以外还可以添加margins分项总计.

import numpy as np
import pandas as pd

复制

回到原书之前那个小费数据集：

tips = pd.read_csv(r'.\tips.csv')

tips['tip_pct'] = tips['tip'] / tips['total_bill']

tips.head()

复制

pivot_table的默认聚合类型是平均值，假设我们想要根据日期day和是否吸烟smoker来计算平均数，包括平均人数size，平均小费tip等：

tips.pivot_table(index=['day', 'smoker'])

复制

若我们只想要查看平均小费比例tip_pct和平均人数size，然后想要根据time和day分组：

tips.pivot_table(['tip_pct', 'size'], index=['time', 'day'])

复制

margins

传入margins=True添加分项小计，我们看到这会新增名为All的行，注意哦，在这里All值为平均数：

tips.pivot_table(['tip_pct', 'size'], index=['time', 'day'], margins=True)

复制

aggfunc

要使用其他聚合函数可以将其值传给aggfunc。比如这次传入aggfunc=sum我们来查看根据日期分组的总消费额：

tips.pivot_table('total_bill', index='time', columns='day', aggfunc=sum, margins=True)

复制

fill_value

如果有不存在的值（NA），我们可能会希望设置一个fill_value:

tips.pivot_table('tip', index=['time', 'smoker'], columns='day', aggfunc=sum, fill_value=0, margins=True)

复制

那就这样吧，BYE-BYE！！

往期回顾