一文看懂pandas的透視表pivot_table

一、概述

1.1 什么是透視表？

透視表是一種可以對(duì)數(shù)據(jù)動(dòng)態(tài)排布并且分類(lèi)匯總的表格格式。或許大多數(shù)人都在Excel使用過(guò)數(shù)據(jù)透視表，也體會(huì)到它的強(qiáng)大功能，而在pandas中它被稱(chēng)作pivot_table。

1.2 為什么要使用pivot_table？

• 靈活性高，可以隨意定制你的分析計(jì)算要求
• 脈絡(luò)清晰易于理解數(shù)據(jù)
• 操作性強(qiáng)，報(bào)表神器

二、如何使用pivot_table

首先讀取數(shù)據(jù)，數(shù)據(jù)集是火箭隊(duì)當(dāng)家球星James Harden某一賽季比賽數(shù)據(jù)作為數(shù)據(jù)集進(jìn)行講解。數(shù)據(jù)地址。

先看一下官方文檔中pivot_table的函數(shù)體：pandas.pivot_table - pandas 0.21.0 documentation

pivot_table(data, values=None, index=None, columns=None,aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')

pivot_table有四個(gè)最重要的參數(shù)index、values、columns、aggfunc，本文以這四個(gè)參數(shù)為中心講解pivot操作是如何進(jìn)行。

2.1 讀取數(shù)據(jù)

1.  import pandas as pd
2.  import numpy as np
3.  df = pd.read_csv('h:/James_Harden.csv',encoding='utf8')
4.  df.tail()

數(shù)據(jù)格式如下：

2.2 Index

每個(gè)pivot_table必須擁有一個(gè)index，如果想查看哈登對(duì)陣每個(gè)隊(duì)伍的得分，首先我們將對(duì)手設(shè)置為index：

pd.pivot_table(df,index=[u'對(duì)手'])

對(duì)手成為了第一層索引，還想看看對(duì)陣同一對(duì)手在不同主客場(chǎng)下的數(shù)據(jù)，試著將對(duì)手與勝負(fù)與主客場(chǎng)都設(shè)置為index，其實(shí)就變成為了兩層索引

pd.pivot_table(df,index=[u'對(duì)手',u'主客場(chǎng)'])

試著交換下它們的順序，數(shù)據(jù)結(jié)果一樣：

pd.pivot_table(df,index=[u'主客場(chǎng)',u'對(duì)手'])

看完上面幾個(gè)操作，Index就是層次字段，要通過(guò)透視表獲取什么信息就按照相應(yīng)的順序設(shè)置字段，所以在進(jìn)行pivot之前你也需要足夠了解你的數(shù)據(jù)。

2.3 Values

通過(guò)上面的操作，我們獲取了james harden在對(duì)陣對(duì)手時(shí)的所有數(shù)據(jù)，而Values可以對(duì)需要的計(jì)算數(shù)據(jù)進(jìn)行篩選，如果我們只需要james harden在主客場(chǎng)和不同勝負(fù)情況下的得分、籃板與助攻三項(xiàng)數(shù)據(jù)：

pd.pivot_table(df,index=[u'主客場(chǎng)',u'勝負(fù)'],values=[u'得分',u'助攻',u'籃板'])

2.4 Aggfunc

aggfunc參數(shù)可以設(shè)置我們對(duì)數(shù)據(jù)聚合時(shí)進(jìn)行的函數(shù)操作。

當(dāng)我們未設(shè)置aggfunc時(shí)，它默認(rèn)aggfunc='mean'計(jì)算均值。我們還想要獲得james harden在主客場(chǎng)和不同勝負(fù)情況下的總得分、總籃板、總助攻時(shí)：

pd.pivot_table(df,index=[u'主客場(chǎng)',u'勝負(fù)'],values=[u'得分',u'助攻',u'籃板'],aggfunc=[np.sum,np.mean])

2.5 Columns

Columns類(lèi)似Index可以設(shè)置列層次字段，它不是一個(gè)必要參數(shù)，作為一種分割數(shù)據(jù)的可選方式。

1.  #fill_value填充空值,margins=True進(jìn)行匯總
2.  pd.pivot_table(df,index=[u'主客場(chǎng)'],columns=[u'對(duì)手'],values=[u'得分'],aggfunc=[np.sum],fill_value=0,margins=1)

現(xiàn)在我們已經(jīng)把關(guān)鍵參數(shù)都介紹了一遍，下面是一個(gè)綜合的例子：

table=pd.pivot_table(df,index=[u'對(duì)手',u'勝負(fù)'],columns=[u'主客場(chǎng)'],values=[u'得分',u'助攻',u'籃板'],aggfunc=[np.mean],fill_value=0)

結(jié)果如下：

aggfunc也可以使用dict類(lèi)型，如果dict中的內(nèi)容與values不匹配時(shí)，以dict中為準(zhǔn)。

 table=pd.pivot_table(df,index=[u'對(duì)手',u'勝負(fù)'],columns=[u'主客場(chǎng)'],values=[u'得分',u'助攻',u'籃板'],aggfunc={u'得分':np.mean, u'助攻':[min, max, np.mean]},fill_value=0)

結(jié)果就是助攻求min,max和mean,得分求mean,而籃板沒(méi)有顯示。