學(xué)習(xí)筆記，這個(gè)筆記以例子為主。
開發(fā)工具：Spyder

---

文章目錄

• • Pandas透視表
  • Pandas交叉表

---

Pandas透視表

透視表(pivot table)是各種電子表格程序和其他數(shù)據(jù)分析軟件中一種常見的數(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)行分組聚合，并對(duì)每個(gè)分組進(jìn)行數(shù)據(jù)匯總。

• 語法

# 以A與B做分組匯總數(shù)據(jù)，針對(duì)D的每個(gè)值列級(jí)分組統(tǒng)計(jì)，統(tǒng)計(jì)每個(gè)分組下C列的最大值，并添加行、列小計(jì) data.pivot_table(index=['A', 'B'], values=['C'], columns=['D'], margins=True, aggfunc='max')

接下來，我們用幾個(gè)例子來學(xué)習(xí)如何用pandas來制作想要的數(shù)據(jù)透視表。

首先，我們來康康接下來幾個(gè)例子所要使用的數(shù)據(jù)：

代碼：

import pandas as pdleftD = {'name':['Ada', 'Tom','Black', 'Jack', 'Lee', 'Yellow', 'Blue', 'Peter', 'Green', 'Trump'],'age':[9, 9, 10, 10, 10, 10, 8, 9, 7, 8],'weight':[8, 4, 5, 6, 10, 10, 4, 5, 4, 8],'gender':['M', 'F', 'M', 'M', 'M', 'F', 'M', 'M', 'M', 'F'],'Bunny_id':[1, 2, 3, 4, 2, 4, 3, 1, 4, 5]}rightD = {'Bunny_id':[1, 2, 3, 4, 5],'foods':['A', 'B', 'C', 'D', 'E']}df_leftD = pd.DataFrame(leftD) df_rightD = pd.DataFrame(rightD)df = pd.merge(df_leftD, df_rightD, how = 'outer') print(df)

數(shù)據(jù)：

Bunny_id age gender name weight foods 0 1 9 M Ada 8 A 1 1 9 M Peter 5 A 2 2 9 F Tom 4 B 3 2 10 M Lee 10 B 4 3 10 M Black 5 C 5 3 8 M Blue 4 C 6 4 10 M Jack 6 D 7 4 10 F Yellow 10 D 8 4 7 M Green 4 D 9 5 8 F Trump 8 E

• 例子1

代碼：

#以Bunny_id做分組匯總數(shù)據(jù)，默認(rèn)統(tǒng)計(jì)所有列的均值 print(df.pivot_table(index=['Bunny_id']))

結(jié)果：

age weight Bunny_id 1 9.0 6.500000 2 9.5 7.000000 3 9.0 4.500000 4 9.0 6.666667 5 8.0 8.000000

由結(jié)果可知，由于除了Bunny_id這個(gè)變量以外，只有age和weight為數(shù)值型變量，故pandas計(jì)算了age和weight的均值。

• 例子2

代碼：

#以Bunny_id與gender做分組匯總數(shù)據(jù)，默認(rèn)統(tǒng)計(jì)所有列的最大值 print(df.pivot_table(index=['Bunny_id', 'gender'], aggfunc='max'))

結(jié)果：

age foods name weight Bunny_id gender 1 M 9 A Peter 8 2 F 9 B Tom 4M 10 B Lee 10 3 M 10 C Blue 5 4 F 10 D Yellow 10M 10 D Jack 6 5 F 8 E Trump 8

由結(jié)果可知，pandas先按照Bunny_id進(jìn)行分組，再按照gender進(jìn)行分組。最后對(duì)分組結(jié)果，分別計(jì)算age、foods、name、weight的最大值。

• 例子3

代碼：

#以Bunny_id與gender做分組匯總數(shù)據(jù)，統(tǒng)計(jì)age列的均值 print(df.pivot_table(index=['Bunny_id', 'gender'], values=['age']))

結(jié)果：

age Bunny_id gender 1 M 9.0 2 F 9.0M 10.0 3 M 9.0 4 F 10.0M 8.5 5 F 8.0

由結(jié)果可知，pandas先對(duì)Bunny_id和gender進(jìn)行分組，并只顯示age的分組平均值。

• 例子4

代碼：

#以Bunny_id與gender做分組匯總數(shù)據(jù)，針對(duì)weight的每個(gè)值列級(jí)分組，統(tǒng)計(jì)age列的均值。 print(df.pivot_table(index=['Bunny_id', 'gender'], values=['age'], columns=['weight']))

結(jié)果;

age weight 4 5 6 8 10 Bunny_id gender 1 M NaN 9.0 NaN 9.0 NaN 2 F 9.0 NaN NaN NaN NaNM NaN NaN NaN NaN 10.0 3 M 8.0 10.0 NaN NaN NaN 4 F NaN NaN NaN NaN 10.0M 7.0 NaN 10.0 NaN NaN 5 F NaN NaN NaN 8.0 NaN

由結(jié)果可知，Bunny_id和gender的組合作為行，weight作為列，共同構(gòu)造了二維表，表中值為每個(gè)分組中age的平均值，如果對(duì)應(yīng)分組沒有值，則該位置用NaN代替。

Pandas交叉表

交叉表(cross-tabulation, 簡(jiǎn)稱crosstab)是一種用于計(jì)算分組頻率的特殊透視表

• 語法

# 按照A列的觀測(cè)值進(jìn)行分組，針對(duì)不同的B,統(tǒng)計(jì)頻數(shù) pd.crosstab(data.A, data.B, margins=True)

• 例子(接上面透視表案例中的數(shù)據(jù))

代碼：

print(pd.crosstab(df.gender, df.foods))

結(jié)果：

foods A B C D E gender F 0 1 0 1 1 M 2 1 2 2 0

總結(jié)

以上是生活随笔為你收集整理的pandas基础(part5)--透视表与交叉表的全部?jī)?nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。