用Python實現數據的透視表的方法

來源：中文源碼網????瀏覽： 次????日期：2019年11月5日

【下載文檔:??用Python實現數據的透視表的方法.txt?】

(友情提示:右鍵點上行txt文檔名->目標另存為)

用Python實現數據的透視表的方法在處理數據時，經常需要對數據分組計算均值或者計數，在Microsoft Excel中，可以通過透視表輕易實現簡單的分組運算。而對于更加復雜的分組運算，Python中pandas包可以幫助我們實現。

1 數據

首先引入幾個重要的包：

import pandas as pd

import numpy as np

from pandas import DataFrame,Series通過代碼構造數據集：

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)})得到數據集如下：

data

key1 key2 num1 num2

0 a one 0.268705 0.084091

1 b two 0.876707 0.217794

2 c three 0.229999 0.574402

3 a two 0.707990 -1.444415

4 c one 0.786064 0.343244

5 a one 0.587273 1.212391

6 b three 0.927396 1.505372

7 a one 0.295271 -0.497633

8 c two 0.292721 0.098814

9 a three 0.369788 -1.1574262 交叉表—分類計數

按照不同類進行計數統計是最常見透視功能，可以通

(1)crosstab

#函數：

crosstab(index, columns, values=None, rownames=None, colnames=None, aggfunc=None, margins=False, dropna=True, normalize=False)crosstab的index和columns是必須要指定復制的參數：

pd.crosstab(data.key1,data.key2)結果如下：

key2 one three two

key1

a 3 1 1

b 0 1 1

c 1 1 1想要在邊框處增加匯總項可以指定margin的值為True：

pd.crosstab(data.key1,data.key2,margins=True)結果：

key2 one three two All

key1

a 3 1 1 5

b 1 1 1 3

c 1 1 2 4

All 5 3 4 12(2)pivot_table

函數：

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函數同樣可以實現，運算函數默認值aggfunc='mean',指定為aggfunc='count'即可：

data.pivot_table('num1',index='key1',columns='key2',aggfunc='count')結果相同：

key2 one three two

key1

a 3 1 1

b 1 1 1

c 1 1 2(3)groupby

通過groupby相對來說會更加復雜，首先需要對data按照key1和key2進行聚類，然后進行count運算，再將key2的index重塑為columns：

data.groupby(['key1','key2'])['num1'].count().unstack()結果：

key2 one three two

key1

a 3 1 1

b 1 1 1

c 1 1 23 其它透視表運算

(1)pivot_table

pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')要進行何種運算，只需要指定aggfunc即可。

默認計算均值：

data.pivot_table(index='key1',columns='key2')out：

num1 num2

key2 one three two one three two

key1

a 0.193332 0.705657 0.203155 -0.165749 2.398164 -1.293595

b 0.167947 0.204545 0.661460 0.555850 -0.522528 0.143530

c 0.496993 0.033673 0.206028 -0.115093 0.024650 0.077726分類匯總呢并求和：

data.pivot_table(index='key1',columns='key2',aggfunc='sum')結果：

num1 num2

key2 one three two one three two

key1

a 0.579996 0.705657 0.203155 -0.497246 2.398164 -1.293595

b 0.167947 0.204545 0.661460 0.555850 -0.522528 0.143530

c 0.496993 0.033673 0.412055 -0.115093 0.024650 0.155452也可以使用其它自定義函數：

#定義一個最大值減最小值的函數

def max_min (group):

return group.max()-group.min()data.pivot_table(index='key1',columns='key2',aggfunc=max_min)結果：

num1 num2

key2 one three two one three two

key1

a 0.179266 0.0 0.000 3.109405 0.0 0.000000

b 0.000000 0.0 0.000 0.000000 0.0 0.000000

c 0.000000 0.0 0.177 0.000000 0.0 1.609466(2)通過groupby

普通的函數如mean，sum可以直接應用：

data.groupby(['key1','key2']).mean().unstack()

返回結果：

num1 num2

key2 one three two one three two

key1

a 0.193332 0.705657 0.203155 -0.165749 2.398164 -1.293595

b 0.167947 0.204545 0.661460 0.555850 -0.522528 0.143530

c 0.496993 0.033673 0.206028 -0.115093 0.024650 0.077726以上這篇用Python實現數據的透視表的方法就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持中文源碼網。

親,試試微信掃碼分享本頁!?*^_^*

總結

以上是生活随笔為你收集整理的用python做透视表_用Python实现数据的透视表的方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。