在pandas中使用数据透视表

入门教程、案例源码、学习资料、读者群

请访问：python666.cn

大家好，欢迎来到 Crossin的编程教室 ！

什么是透视表？

经常做报表的小伙伴对数据透视表应该不陌生，在excel中利用透视表可以快速地进行分类汇总，自由组合字段聚合计算，而这些只需要拖拉拽就能实现。

维基百科对透视表（pivot table）解释是：

A 「pivot table」 is a table of statistics that summarizes the data of a more extensive table.

透视表是一种汇总了更广泛表数据的统计信息表。

pandas也有透视表？

pandas作为编程领域最强大的数据分析工具之一，自然也有透视表的功能。

在pandas中，透视表操作由pivot_table()函数实现，不要小看只是一个函数，但却可以玩转数据表，解决大麻烦。

pivot_table使用方法：

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


参数解释：

• data：dataframe格式数据

• values：需要汇总计算的列，可多选

• index：行分组键，一般是用于分组的列名或其他分组键，作为结果DataFrame的行索引

• columns：列分组键，一般是用于分组的列名或其他分组键，作为结果DataFrame的列索引

• aggfunc：聚合函数或函数列表，默认为平均值

• fill_value：设定缺失替换值

• margins：是否添加行列的总计

• dropna：默认为True，如果列的所有值都是NaN，将不作为计算列，False时，被保留

• margins_name：汇总行列的名称，默认为All

• observed：是否显示观测值

如何使用pivot_table?

该表为用户订单数据，有订单日期、商品类别、价格、利润等维度。

首先导入数据：

data = pd.read_excel("E:\\订单数据.xlsx")
data.head()


接下来使用透视表做分析：

1. 计算每个州销售总额和利润总额

1. 计算每个洲每个城市每单平均销售量

1. 计算每个洲的总销量和每单平均销量

1. 看每个城市（行）每类商品（列）的总销售量，并汇总计算

本文介绍了pandas pivot_table函数的使用，其透视表功能基本和excel类似，但pandas的聚合方式更加灵活和多元，处理大数据也更快速，大家有兴趣可探索更高级的用法。

文中数据集：

https://pan.baidu.com/s/10zT_PoS1Tpd02W395bN2rw

提取码：7gxc

作者：朱卫军

来源：Python大数据分析

Crossin的第2本书《码上行动：利用Python与ChatGPT高效搞定Excel数据分析》已经上市了 。

本书从 Python 和 Excel 结合使用的角度讲解处理分析数据的思路、方法与实战应用。不论是希望从事数据分析岗位的学习者，还是其他职业的办公人员，都可以通过本书的学习掌握 Python 分析数据的技能。书中创新性地将 ChatGPT 引入到教学当中，用 ChatGPT 答疑并提供实训代码，并介绍了使用 ChatGPT 辅助学习的一些实用技巧，给学习者带来全新的学习方式。

公众号的读者朋友们购买后可在后台联系我，加入读者交流群，Crossin会为你开启陪读模式，解答你在阅读本书时的一切疑问。

感谢转发和点赞的各位~

如需了解付费精品课程及教学答疑服务

请在Crossin的编程教室内回复:666