本篇文章為大家展示了Python中怎么實(shí)現(xiàn)一個(gè)透視表，內(nèi)容簡(jiǎn)明扼要并且容易理解，絕對(duì)能使你眼前一亮，通過這篇文章的詳細(xì)介紹希望你能有所收獲。

成都創(chuàng)新互聯(lián)公司IDC提供業(yè)務(wù):成都移動(dòng)云計(jì)算中心,成都服務(wù)器租用,成都移動(dòng)云計(jì)算中心,重慶服務(wù)器租用等四川省內(nèi)主機(jī)托管與主機(jī)租用業(yè)務(wù);數(shù)據(jù)中心含:雙線機(jī)房,BGP機(jī)房,電信機(jī)房,移動(dòng)機(jī)房,聯(lián)通機(jī)房。

1. 數(shù)據(jù)

為幫助大家更好地理解，在講解如何使用pivot_table( )實(shí)現(xiàn)透視表前，我們先導(dǎo)入示例數(shù)據(jù)，在接下來的講解中都使用此數(shù)據(jù)作為例子。

# 導(dǎo)入示例數(shù)據(jù) <<< datadata =pd.read_csv("data.csv") <<< data.head()     月份  項(xiàng)目  部門   金額       剩余金額 0   1月  水費(fèi)  市場(chǎng)部 1962.37    8210.58 1   2月  水費(fèi)  市場(chǎng)部 690.69     9510.60 2   2月  電費(fèi)  市場(chǎng)部 2310.12    5384.92 3   2月  電費(fèi)  運(yùn)營部 -1962.37   7973.10 4   2月  電費(fèi)  開發(fā)部 1322.33    6572.16

下面我將帶大家使用pivot_table( )一步一步實(shí)現(xiàn)數(shù)據(jù)透視表的操作。

2. 操作

首先，原數(shù)據(jù)有5個(gè)字段，我們?cè)谧鰯?shù)據(jù)透視表之前必須理解每個(gè)字段的意思，明確清楚自己需要得到什么信息。

假設(shè)我們想看看不同月份所花費(fèi)的水電費(fèi)金額是多少，這時(shí)我們需要把字段“月份”設(shè)置為索引，將字段“金額”設(shè)置為我們需要看的值，具體代碼如下：

<<< data.pivot_table(index=['月份'],values=['金額'])            金額 月份   10月 3723.940000 11月 2900.151667 12月 10768.262857 1月  1962.370000 2月  1432.280000 3月  3212.106667 4月  4019.175000 5月  4051.480000 6月  6682.632500 7月  11336.463333 8月  17523.485000 9月  10431.960000

參數(shù)index為設(shè)置的索引列表，即分組依據(jù)，需要用中括號(hào)[ ]將索引字段括起來;參數(shù)values為分組后進(jìn)行計(jì)算的字段列表，也需要用中括號(hào)[  ]括起來。這兩個(gè)參數(shù)的值可以是一個(gè)或多個(gè)字段，即按照多個(gè)字段進(jìn)行分組和對(duì)多個(gè)字段進(jìn)行計(jì)算匯總。例如，設(shè)置index=['項(xiàng)目','部門']代表求不同項(xiàng)目不同部門下的金額。

<<< data.pivot_table(index=['項(xiàng)目','部門'],values=['金額'])             金額 項(xiàng)目  部門   水費(fèi)  市場(chǎng)部  3614.318125      開發(fā)部   2358.205000      運(yùn)營部   5896.213333 電費(fèi)  市場(chǎng)部   6094.748235       開發(fā)部   1322.330000       運(yùn)營部   7288.615000 采暖費(fèi) 市場(chǎng)部   5068.380000       運(yùn)營部   55978.000000

若設(shè)置values=['金額','剩余金額']，即求不同項(xiàng)目不同部門下金額和剩余金額的值。

<<< data.pivot_table(index=['項(xiàng)目','部門'],values=['金額','剩余金額'])               剩余金額       金額 項(xiàng)目  部門       水費(fèi)  市場(chǎng)部    7478.423125  3614.318125       開發(fā)部   6866.490000   2358.205000       運(yùn)營部   7224.033333   5896.213333 電費(fèi)  市場(chǎng)部    7645.535882   6094.748235       開發(fā)部   6572.160000    1322.330000       運(yùn)營部   8821.895000    7288.615000 采暖費(fèi) 市場(chǎng)部   6572.030000    5068.380000       運(yùn)營部   7908.560000    55978.000000

同時(shí)，如果我們想以交叉表的形式查看不同項(xiàng)目和不同部門下的消費(fèi)金額，這時(shí)就要將字段‘部門’設(shè)置為列名，進(jìn)行交叉查看，具體代碼如下：

<<< data.pivot_table(index=['項(xiàng)目'],columns=['部門'],values=['金額'])       金額 部門   市場(chǎng)部        開發(fā)部     運(yùn)營部 項(xiàng)目           水費(fèi)   3614.318125  2358.205  5896.213333 電費(fèi)   6094.748235  1322.330  7288.615000 采暖費(fèi)  5068.380000  NaN      55978.000000

通過上面的示例，我們可以看到某個(gè)分組下不存在記錄會(huì)被標(biāo)記為NAN，例如上述中采暖部和開發(fā)部不存在金額這一字段的記錄，則會(huì)標(biāo)記為NAN。如果不希望被標(biāo)記為NAN，我們可以通過設(shè)置參數(shù)fill_value=0來用數(shù)值0替代這部分的缺失值。

<<< data.pivot_table(index=['項(xiàng)目'],columns=['部門'],values=['金額'],fill_value=0)       金額 部門   市場(chǎng)部        開發(fā)部     運(yùn)營部 項(xiàng)目           水費(fèi)   3614.318125  2358.205  5896.213333 電費(fèi)   6094.748235  1322.330  7288.615000 采暖費(fèi)  5068.380000  0.000    55978.000000

在上面的示例中，我們都是默認(rèn)分組后對(duì)值進(jìn)行求平均值計(jì)算，假如我們想查看不同項(xiàng)目不同部門下金額的總和該怎么實(shí)現(xiàn)呢?

通過設(shè)置參數(shù)aggfunc=np.sum即可對(duì)分組后的值進(jìn)行求和操作，參數(shù)aggfunc代表分組后值的匯總方式，可傳入numpy庫中的聚合方法。

<<< data.pivot_table(index=['項(xiàng)目'],columns=['部門'],values=['金額'],fill_value=0,aggfunc=np.sum) 金額 部門    市場(chǎng)部      開發(fā)部    運(yùn)營部 項(xiàng)目           水費(fèi)    57829.09   4716.41   17688.64 電費(fèi)    103610.72  1322.33   29154.46 采暖費(fèi)   5068.38    0.00     55978.00

除了常見的求和、求平均值這兩種聚合方法，我們還可能接觸到以下這幾種：

描述方法標(biāo)準(zhǔn)差np.std()方差np.var()所有元素相乘np.prod()中數(shù)np.median()冪運(yùn)算np.power()開方np.sqrt()最小值np.min()最大值np.max()以e為底的指數(shù)np.exp(10)對(duì)數(shù)np.log(10)

與前面介紹的參數(shù)index，columns，value一樣，參數(shù)aggfunc傳入的值也是一個(gè)列表，表示可傳入一個(gè)或多個(gè)值。當(dāng)傳入多個(gè)值時(shí)，表示對(duì)該值進(jìn)行多種匯總方式，例如同時(shí)求不同項(xiàng)目不同部門下金額的求和值和平均值：

<<< data.pivot_table(index=['項(xiàng)目'],columns=['部門'],values=['金額'],fill_value=0,aggfunc=[np.sum,np.max])      sum               amax      金額               金額 部門  市場(chǎng)部 開發(fā)部 運(yùn)營部 市場(chǎng)部 開發(fā)部 運(yùn)營部 項(xiàng)目                       水費(fèi)  57829.09  4716.41  17688.64 16807.58 2941.28 6273.56 電費(fèi)  103610.72 1322.33  29154.46 18239.39 1322.33 26266.60 采暖費(fèi) 5068.38   0.00    55978.00  5068.38  0.00    55978.00

同時(shí)，如果我們想對(duì)不同字段進(jìn)行不同的匯總方式，可通過對(duì)參數(shù)aggfunc傳入字典來實(shí)現(xiàn)，例如我們可以同時(shí)對(duì)不同項(xiàng)目不同部門下，對(duì)字段金額求總和值，對(duì)字段剩余金額求平均值：

<<< data.pivot_table(index=['項(xiàng)目'],columns=['部門'],values=['金額','剩余金額'],fill_value=0,aggfunc={'金額':np.sum,'剩余金額':np.max})      剩余金額                  金額 部門  市場(chǎng)部   開發(fā)部   運(yùn)營部   市場(chǎng)部     開發(fā)部     運(yùn)營部 項(xiàng)目                       水費(fèi)  9510.60 8719.34 7810.38 57829.09   4716.41  17688.64 電費(fèi)  9625.27 6572.16 9938.82 103610.72  1322.33  29154.46 采暖費(fèi) 6572.03 0.00    7908.56 5068.38    0.00     55978.00

另外，在進(jìn)行以上功能的同時(shí)，pivot_table還為我們提供了一個(gè)求所有行及所有列對(duì)應(yīng)合計(jì)值的參數(shù)margins，當(dāng)設(shè)置參數(shù)margins=True時(shí)，會(huì)在輸出結(jié)果的最后添加一行'All',表示根據(jù)columns進(jìn)行分組后每一項(xiàng)的列總計(jì)值;以及在輸出結(jié)果的最后添加一列'All',表示根據(jù)index進(jìn)行分組后每一項(xiàng)的行總計(jì)值。

<<< pd.set_option('precision',0) <<< data.pivot_table(index=['項(xiàng)目'],columns=['部門'],values=['金額','剩余金額'],fill_value=0,aggfunc={'金額':np.sum,'剩余金額':np.max},margins=True)      剩余金額                 金額 部門  市場(chǎng)部 開發(fā)部 運(yùn)營部 All   市場(chǎng)部  開發(fā)部  運(yùn)營部  All 項(xiàng)目                               水費(fèi)  9511  8719  7810  9511  57829  4716   17689  80234 電費(fèi)  9625  6572  9939  9939  103611  1322  29154  134088 采暖費(fèi) 6572  0     7909  7909  5068    0     55978  61046 All   9625  8719  9939  9939  166508  6039  102821 275368

3. 番外

上面詳細(xì)介紹了如何在python中通過pivot_table(  )方法實(shí)現(xiàn)數(shù)據(jù)透視表的功能，那么，與數(shù)據(jù)透視表原理相同，顯示方式不同的‘數(shù)據(jù)透視圖’又該怎么實(shí)現(xiàn)呢?

實(shí)現(xiàn)方法非常簡(jiǎn)單，將上述進(jìn)行pivot_table操作后的對(duì)象進(jìn)行實(shí)例化，再對(duì)實(shí)例化后的對(duì)象進(jìn)行plot繪圖操作即可，具體代碼如下：

<<< dfdf=data.pivot_table(index=['項(xiàng)目'],columns=['部門'],values='金額',fill_value=0) <<< df.plot(kind='bar')

上述內(nèi)容就是Python中怎么實(shí)現(xiàn)一個(gè)透視表，你們學(xué)到知識(shí)或技能了嗎？如果還想學(xué)到更多技能或者豐富自己的知識(shí)儲(chǔ)備，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。

當(dāng)前文章：Python中怎么實(shí)現(xiàn)一個(gè)透視表
路徑分享：http://sd-ha.com/article2/psooic.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供小程序開發(fā)、面包屑導(dǎo)航、外貿(mào)網(wǎng)站建設(shè)、全網(wǎng)營銷推廣、App開發(fā)、品牌網(wǎng)站制作

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)