數(shù)據(jù)透視表數(shù)據(jù)透視表就是將數(shù)據(jù)的每一列作為輸入，輸出將數(shù)據(jù)不斷細分成多個維度累計信息的二維數(shù)據(jù)表，簡單來說，數(shù)據(jù)透視表更像是一種多維的GroupBy累計操作。 示例數(shù)據(jù)本例使用了泰坦尼克號的乘客信息，這份數(shù)據(jù)包含性別(gender)、年齡(age)、船艙等級(class)和船票信息(fare paid)等等： import numpy as np
import pandas as pd
import seaborn as sns
titanic = sns.load_dataset('titanic')
titanic.head()
 泰坦尼克數(shù)據(jù)手工制作數(shù)據(jù)透視表可以使用之前學(xué)過的GroupBy來手工制作數(shù)據(jù)透視表，比如我們要統(tǒng)計不同性別乘客的生還率： titanic.groupby('sex')[['survived']].mean()
 不同性別乘客的生還率可以看出有四分之三的女性被救，但只有五分之一的男性被救！ 要是我們還想同時觀察不同性別與船艙等級的生還情況，根據(jù)GroupBy的操作流程，可以先將船艙等級(class)與性別(sex)分組，然后選擇生還狀態(tài)(survived)列，應(yīng)用均值(mean)累計函數(shù)，再將結(jié)果組合，最后通過unstack來轉(zhuǎn)換多級索引： titanic.groupby(['sex', 'class'])['survived'].aggregate('mean').unstack()
 不同性別與船艙等級的生還情況這樣的代碼是不是看起來有些復(fù)雜？所以 Pandas 提供了pivot_table方式來快速解決這種多維的累計分析任務(wù)。 數(shù)據(jù)透視表語法使用pivot_table來實現(xiàn)上面的代碼： titanic.pivot_table('survived', index='sex', columns='class')
不同性別與船艙等級的生還情況與GroupBy方法相比，這樣的代碼可讀性更強，結(jié)果也完全一樣?？梢园l(fā)現(xiàn)生還率最高的是船艙等級最高的女性，一等艙的女性幾乎全部生還，而三等艙男性的生還率僅為十分之一。 多級數(shù)據(jù)透視表還可以把年齡作為第三個維度，并用pd.cut對年齡進行分段： age = pd.cut(titanic['age'], [0, 18, 80])
titanic.pivot_table('survived', ['sex', age], 'class')
 多級數(shù)據(jù)透視表-1用pd.qcut會根據(jù)船票價格的頻率等分為兩份，把它加入數(shù)據(jù)透視表看看： fare = pd.qcut(titanic['fare'], 2)
titanic.pivot_table('survived', ['sex', age], [fare, 'class'])
 多級數(shù)據(jù)透視表-2其他數(shù)據(jù)透視表選項DataFrame 的pivot_table選項如下： # call signature as of Pandas 0.18
DataFrame.pivot_table(data, values=None, index=None, columns=None,
aggfunc='mean', fill_value=None, margins=False,
dropna=True, margins_name='All')
aggfunc用于設(shè)置累計函數(shù)類型，默認(rèn)是均值（還可以是'sum', 'mean', 'count', 'min', 'max'等等，也可以用np.sum(), min(), sum()等）。另外，可以通過字典為不同的列指定不同的累計函數(shù)：
titanic.pivot_table(index='sex', columns='class',
aggfunc={'survived':sum, 'fare':'mean'})
 通過字典指定不同的累計函數(shù)值得注意的是，上面的代碼省去了values因為，在aggfunc的字典中已經(jīng)指定了。 當(dāng)需要計算每一組的總數(shù)時，可使用magins參數(shù)： titanic.pivot_table('survived', index='sex', columns='class', margins=True)
 使用 magins 添加 All 列magins的標(biāo)簽可以通過margins_name參數(shù)進行自定義，默認(rèn)值是All。
筆記整理自《Python數(shù)據(jù)科學(xué)手冊》，本書的英文版以及一些資料已在Github開源（https://github.com/jakevdp/PythonDataScienceHandbook ），中文版可點擊下方鏈接購買~
|
