Pandas 透视表|极客教程

Pandas 透视表

引言

在数据分析和处理过程中，我们经常需要对数据进行汇总和分析，以获取更深入的洞察力。在这个过程中，透视表是一个非常有用的工具，可以帮助我们对数据进行多维度的汇总和分析。而 Python 中的 Pandas 库提供了一个强大的功能，使我们可以方便地创建和操作透视表。

本文将详细介绍 Pandas 中的透视表功能，包括透视表的概念、创建透视表的方法、透视表的参数和选项，以及常见的透视表应用场景。

1. 透视表的概念

透视表是一种数据汇总和分析的方法，可以根据数据的某些特征进行分组，并在分组的基础上进行聚合和统计。透视表可以对数据进行多维度的汇总，从而更好地理解数据的关系和趋势。

在透视表中，我们可以定义一个或多个行索引和列索引，以及一个聚合函数，用于指定数据的汇总方式。透视表会根据行索引、列索引和聚合函数对数据进行分组和计算，得到一个以行索引和列索引为索引的二维表。

2. 创建透视表

在 Pandas 中，可以使用 pivot_table() 函数来创建透视表。pivot_table() 函数的基本语法如下：

pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True)

参数说明：

data：要进行汇总和分析的数据。
values：要聚合的数据列。
index：行索引，用于根据某些特征对数据进行分组。可以是一列或多列。
columns：列索引，用于根据某些特征对数据进行分组。可以是一列或多列。
aggfunc：聚合函数，用于指定数据的汇总方式，默认为求平均值（mean）。
fill_value：缺失值的填充值。
margins：是否计算边际值，默认为 False。
dropna：是否删除包含缺失值的行或列，默认为 True。

接下来，我们将通过一个示例来演示如何使用 pivot_table() 函数创建透视表。

3. 示例：销售数据透视表

假设我们有一个包含销售数据的数据集，其中包括产品名称、销售日期、销售量和销售额等信息。我们想要根据产品名称和销售日期来分析销售量和销售额的情况。

首先，我们需要导入 Pandas 库，并读取数据集。

import pandas as pd

# 读取数据集
df = pd.read_csv('sales_data.csv')
df.head()

运行结果如下：

   产品名称     销售日期  销售量   销售额
0  产品A   2020/1/1    10   100
1  产品A   2020/1/2    15   150
2  产品A   2020/1/3    12   120
3  产品B   2020/1/1    8    80
4  产品B   2020/1/2    10   100

接下来，我们可以使用 pivot_table() 函数创建透视表。

# 创建透视表
pivot = pd.pivot_table(df, values=['销售量', '销售额'], index='产品名称', columns='销售日期')
pivot

运行结果如下：

       销售量                   销售额
销售日期  2020/1/1  2020/1/2  2020/1/3  2020/1/1  2020/1/2  2020/1/3
产品名称                                                       
产品A         10        15        12       100       150       120
产品B          8        10       NaN        80       100       NaN

透视表以产品名称作为行索引，以销售日期作为列索引，以销售量和销售额作为数据。透视表将相同产品名称和销售日期的数据进行聚合和汇总，得到了产品名称、销售日期、销售量和销售额的对应关系。

除了基本的透视表，我们还可以通过指定多个行索引和列索引，对数据进行更复杂的分组和聚合。此外，pivot_table() 函数还提供了许多其他参数和选项，用于进一步定制透视表的输出。

4. 参数和选项

在使用 pivot_table() 函数创建透视表时，可以通过指定不同的参数和选项，进一步定制透视表的输出。

4.1 `values`

values 参数用于指定要聚合的数据列。可以指定单个列或多个列进行聚合。例如，如果要同时聚合销售量和销售额，可以将 values 参数设置为 ['销售量', '销售额']。

pivot = pd.pivot_table(df, values=['销售量', '销售额'], index='产品名称', columns='销售日期')
pivot

4.2 `index`

index 参数用于指定行索引，即根据某些特征对数据进行分组。可以指定单个列或多个列作为行索引。例如，如果要根据产品名称和销售日期对数据进行分组，可以将 index 参数设置为 ['产品名称', '销售日期']。

pivot = pd.pivot_table(df, values=['销售量', '销售额'], index=['产品名称', '销售日期'], columns='地区')
pivot

4.3 `columns`

columns 参数用于指定列索引，即根据某些特征对数据进行分组。可以指定单个列或多个列作为列索引。例如，如果要根据产品名称和销售日期对数据进行分组，可以将 columns 参数设置为 ['产品名称', '销售日期']。

pivot = pd.pivot_table(df, values=['销售量', '销售额'], index='地区', columns=['产品名称', '销售日期'])
pivot

4.4 `aggfunc`

aggfunc 参数用于指定聚合函数，即对数据进行汇总的方式。可以使用内置的聚合函数，如 mean、sum、count、min、max 等。默认为采用的聚合函数是 “mean”，即求平均值。除了内置的聚合函数外，还可以自定义聚合函数。

# 求总销售额和最小销售量
pivot = pd.pivot_table(df, values=['销售量', '销售额'], index='产品名称', columns='销售日期', aggfunc={'销售量': 'min', '销售额': 'sum'})
pivot

4.5 `fill_value`

fill_value 参数用于指定缺失值的填充值。当透视表中存在缺失值时，可以通过设置 fill_value 参数将缺失值填充为指定的值。

pivot = pd.pivot_table(df, values=['销售量', '销售额'], index='产品名称', columns='销售日期', fill_value=0)
pivot

4.6 `margins`

margins 参数用于控制是否计算边际值。边际值是在每个分组的边缘添加的总计或平均值。默认情况下，margins 参数为 False，不计算边际值。

# 计算边际值
pivot = pd.pivot_table(df, values=['销售量', '销售额'], index='产品名称', columns='销售日期', margins=True)
pivot

4.7 `dropna`

dropna 参数控制是否删除包含缺失值的行或列。默认情况下，dropna 参数为 True，即删除包含缺失值的行或列。

# 删除包含缺失值的列
pivot = pd.pivot_table(df, values=['销售量', '销售额'], index='产品名称', columns='销售日期', dropna=False)
pivot

5. 透视表的应用场景

透视表在数据分析中有广泛的应用场景，以下是一些常见的应用场景：

5.1 数据汇总和分析

透视表可以对数据进行多维度的汇总和分析，帮助我们了解数据的关系和趋势。通过指定行索引、列索引和聚合函数，可以对数据进行灵活的汇总和计算。例如，可以根据不同产品和销售日期对销售量和销售额进行汇总和统计。

5.2 数据透视分析

透视表可以帮助我们进行数据透视分析，即通过改变透视表的行索引、列索引和聚合函数，探索数据的不同维度和层次。通过不断调整透视表的参数和选项，可以发现数据中的隐藏模式和规律。

5.3 数据可视化

透视表可以与数据可视化工具结合使用，将复杂的数据汇总和分析结果可视化展示出来。通过直观的图表和图形，可以更好地理解和传达数据的含义。透视表可以作为数据可视化的前处理步骤，将原始数据进行汇总和整理，便于后续的可视化操作。

总结

本文详细介绍了 Pandas 中透视表的概念、创建方法、参数和选项，以及常见的应用场景。透视表是一种强大的数据汇总和分析工具，可以帮助我们对数据进行多维度的汇总和分析，进一步了解数据的关系和趋势。掌握透视表的使用方法，对于数据分析和处理工作具有重要的意义。

Pandas 透视表