透視表 pivot table

透視表（pivot table）是常見的數(shù)據(jù)匯總工具，它根據(jù)一個(gè)或多個(gè)鍵對(duì)數(shù)據(jù)進(jìn)行聚合，根據(jù)行和列上的分組鍵將數(shù)據(jù)分配到矩形區(qū)域中。
pandas中使用pivot_table方法創(chuàng)建透視表，
pd.pivot_table(data,values=None,index=None,columns=None,aggfunc='mean'
,fill_value=None,margins=False,dropna=True,margins_name='ALL')
 
    data:DataFrame對(duì)象
    values：要聚合的列或列的列表
    index：數(shù)據(jù)透視的index，從原始數(shù)據(jù)的列中篩選
    columns：數(shù)據(jù)透視表的columns，從原始數(shù)據(jù)的列中篩選
    aggfunc：用于聚合的函數(shù)，默認(rèn)為numpy，mean，支持numpy計(jì)算方法
    
    ------------原數(shù)據(jù)------------
        date key    values
0 2019-01-01   a  6.372699
1 2019-01-02   b  0.649605
2 2019-01-03   c  4.897285
3 2019-01-01   d  7.758373
4 2019-01-02   a  1.576888
5 2019-01-03   b  8.217029
6 2019-01-01   c  5.454403
7 2019-01-02   a  5.072132
8 2019-01-03   b  2.875602
------------透視表1------------

print(pd.pivot_table(df,values = 'values',index = ['date'],columns='key',aggfunc=np.sum))
key                a          b         c         d
date                                               
2019-01-01  6.372699        NaN  5.454403  7.758373
2019-01-02  6.649020   0.649605       NaN       NaN
2019-01-03       NaN  11.092630  4.897285       NaN
------------透視表2------------

#分別以date，key共同做數(shù)據(jù)透視，值為values：統(tǒng)計(jì)不同（date，key）情況下values的計(jì)數(shù)

#aggfunc=len（或者count）：計(jì)數(shù)

print(pd.pivot_table(df,values = 'values',index = ['date','key'],aggfunc=len))
                values
date       key        
2019-01-01 a       1.0
           c       1.0
           d       1.0
2019-01-02 a       2.0
           b       1.0
2019-01-03 b       2.0
           c       1.0

    
交叉表：crosstab

默認(rèn)情況下，crosstab計(jì)算因子的頻率，比如用于str的數(shù)據(jù)透視分析

pd.crosstab(index,columns,values=None,rownames=None
,colnames=None,aggfunc=None,margins=False,dropna=True,normalize=False)

------------原數(shù)據(jù)------------
    A  B    C
0  1  3  1.0
1  2  3  1.0
2  2  4  NaN
3  2  4  1.0
4  2  4  1.0
------------交叉表1------------

print(pd.crosstab(df['A'],df['B']))
B  3  4
A      
1  1  0
2  1  3
------------交叉表2------------

print(pd.crosstab(df['A'],df['B'],normalize=True))#以頻率的方式顯示
B    3    4
A          
1  0.2  0.0
2  0.2  0.6
------------交叉表3------------

print(pd.crosstab(df['A'],df['B'],values=df['C'],aggfunc=np.sum))

#values:根據(jù)因子聚合的值數(shù)組

#aggfunc：如果未傳遞values數(shù)組，則計(jì)算頻率表，如果傳遞數(shù)組，則按照指定計(jì)算

#這里相當(dāng)于以A和B界定分組，計(jì)算出每組中第三個(gè)系列C的值
B    3    4
A          
1  1.0  NaN
2  1.0  2.0
------------交叉表4------------

print(pd.crosstab(df['A'],df['B'],values=df['C'],aggfunc=np.sum,margins=True))

#margins:布爾值，默認(rèn)值False，添加行/列邊距（小計(jì)）
B      3    4  All
A                 
1    1.0  NaN  1.0
2    1.0  2.0  3.0
All  2.0  2.0  4.0

REF

https://blog.csdn.net/pythoncsdn111/article/details/98240358