在处理数据时，经常需要对数据分组计算均值或者计数，在Microsoft Excel中，可以通过透视表轻易实现简单的分组运算。而对于更加复杂的分组运算，Python中pandas包可以帮助我们实现。
1 数据
首先引入几个重要的包：
|
1
2
3
|
import pandas as pdimport numpy as npfrom pandas import DataFrame,Series |
通过代码构造数据集：
|
1
|
data=DataFrame({'key1':['a','b','c','a','c','a','b','a','c','a','b','c'],'key2':['one','two','three','two','one','one','three','one','two','three','one','two'],'num1':np.random.rand(12),'num2':np.random.randn(12)}) |
得到数据集如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
|
data key1 key2 num1 num20 a one 0.268705 0.0840911 b two 0.876707 0.2177942 c three 0.229999 0.5744023 a two 0.707990 -1.4444154 c one 0.786064 0.3432445 a one 0.587273 1.2123916 b three 0.927396 1.5053727 a one 0.295271 -0.4976338 c two 0.292721 0.0988149 a three 0.369788 -1.157426 |
2 交叉表—分类计数
按照不同类进行计数统计是最常见透视功能，可以通
（1）crosstab
|
1
2
|
#函数：crosstab(index, columns, values=None, rownames=None, colnames=None, aggfunc=None, margins=False, dropna=True, normalize=False) |
crosstab的index和columns是必须要指定复制的参数：
|
1
|
pd.crosstab(data.key1,data.key2) |
结果如下：
|
1
2
3
4
5
|
key2 one three twokey1 a 3 1 1b 0 1 1c 1 1 1 |
想要在边框处增加汇总项可以指定margin的值为True：
|
1
|
pd.crosstab(data.key1,data.key2,margins=True) |
结果：
|
1
2
3
4
5
6
|
key2 one three two Allkey1 a 3 1 1 5b 1 1 1 3c 1 1 2 4All 5 3 4 12 |
（2）pivot_table
函数：
|
1
|
pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All') |
使用pivot_table函数同样可以实现，运算函数默认值aggfunc='mean',指定为aggfunc='count'即可：
|
1
|
data.pivot_table('num1',index='key1',columns='key2',aggfunc='count') |
结果相同：
|
1
2
3
4
5
|
key2 one three twokey1 a 3 1 1b 1 1 1c 1 1 2 |
（3）groupby
通过groupby相对来说会更加复杂，首先需要对data按照key1和key2进行聚类，然后进行count运算，再将key2的index重塑为columns：
|
1
|
data.groupby(['key1','key2'])['num1'].count().unstack() |
结果：
|
1
2
3
4
5
|
key2 one three twokey1 a 3 1 1b 1 1 1c 1 1 2 |
3 其它透视表运算
（1）pivot_table
|
1
|
pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All') |
要进行何种运算，只需要指定aggfunc即可。
默认计算均值：
|
1
|
data.pivot_table(index='key1',columns='key2') |
out：
|
1
2
3
4
5
6
|
num1 num2 key2 one three two one three twokey1 a 0.193332 0.705657 0.203155 -0.165749 2.398164 -1.293595b 0.167947 0.204545 0.661460 0.555850 -0.522528 0.143530c 0.496993 0.033673 0.206028 -0.115093 0.024650 0.077726 |
分类汇总呢并求和：
|
1
|
data.pivot_table(index='key1',columns='key2',aggfunc='sum') |
结果：
|
1
2
3
4
5
6
|
num1 num2 key2 one three two one three twokey1 a 0.579996 0.705657 0.203155 -0.497246 2.398164 -1.293595b 0.167947 0.204545 0.661460 0.555850 -0.522528 0.143530c 0.496993 0.033673 0.412055 -0.115093 0.024650 0.155452 |
也可以使用其它自定义函数：
|
1
2
3
|
#定义一个最大值减最小值的函数def max_min (group): return group.max()-group.min() |
|
1
|
data.pivot_table(index='key1',columns='key2',aggfunc=max_min) |
结果：
|
1
2
3
4
5
6
|
num1 num2 key2 one three two one three twokey1 a 0.179266 0.0 0.000 3.109405 0.0 0.000000b 0.000000 0.0 0.000 0.000000 0.0 0.000000c 0.000000 0.0 0.177 0.000000 0.0 1.609466 |
（2）通过groupby
普通的函数如mean，sum可以直接应用：
data.groupby(['key1','key2']).mean().unstack()
返回结果：
|
1
2
3
4
5
6
|
num1 num2 key2 one three two one three twokey1 a 0.193332 0.705657 0.203155 -0.165749 2.398164 -1.293595b 0.167947 0.204545 0.661460 0.555850 -0.522528 0.143530c 0.496993 0.033673 0.206028 -0.115093 0.024650 0.077726 |
以上这篇用Python实现数据的透视表的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/moxigandashu/article/details/69486269#3-其它透视表运算
