python pandas.pivot_table透视表函数
文章目录
- 一、官方文档
- 二、参数解析
- 三、案例解析
- 3.1 新建数据集
- 3.2 两种写法
- 3.3 columns参数
- 3.4 fill_value 缺失值填充
- 3.5 margins 求合计
- 3.6 dropna 删除缺失值
- 3.7 aggfunc 聚合函数与自定义函数
一、官方文档
pandas.pivot_table
二、参数解析
DataFrame.pivot_table(#column to aggregate, optional(要计数的列)values=None, #column, Grouper, array, or list of the previous(要分组的索引)index=None, #column, Grouper, array, or list of the previous(要分组的列名)columns=None, #function, list of functions, dict, default numpy.mean(透视的函数,默认平均值)aggfunc='mean', #scalar, default None(标量,默认无)fill_value=None, #bool, default False(合计)margins=False, #bool, default True(是否删除缺失值)dropna=True, #str, default 'All'('合计'命名)margins_name='All',
)
三、案例解析
3.1 新建数据集
import pandas as pd
import numpy as npdf = pd.DataFrame({"A": ["foo", "foo", "foo", "foo", "foo","bar", "bar", "bar", "bar"],"B": ["one", "one", "one", "two", "two","one", "one", "two", "two"],"C": ["small", "large", "large", "small","small", "large", "small", "small","large"],"D": [1, 2, np.nan, 3, 3, 4, 5, 6, 7],"E": [2, 4, 5, 5, np.nan, 6, 8, 9, 9]
})
3.2 两种写法
# 一般写法
df.pivot_table(values=['D','E'], # 计算的数值列选择D、Eindex=['A','C'], # 维度选择A、Caggfunc=[min,max,np.mean] # 聚合函数
)#另一种写法
pd.pivot_table(df,values=['D','E'], # 计算的数值列选择D、Eindex=['A','C'], # 维度选择A、Caggfunc=[min,max,np.mean] # 聚合函数
)
3.3 columns参数
pd.pivot_table(df,values=['D','E'],columns=['A'],aggfunc=[min,max,np.mean]
)
3.4 fill_value 缺失值填充
df.pivot_table(values=['D','E'],index=['A','B','C'],aggfunc=[min,max,np.mean,np.std],fill_value=9999, # 缺失值填充
)
3.5 margins 求合计
df.pivot_table(values=['D','E'],index=['A','B'],columns=['C'],margins=True,margins_name="合计" # 合计名称
)
3.6 dropna 删除缺失值
df.pivot_table(values=['D'],index=['A','B'],columns=['C'],dropna=True, # 删除缺失值aggfunc=np.min
)
3.7 aggfunc 聚合函数与自定义函数
- 采用字典方法
- 通过 lambda 方法可以传入自定义函数
df.pivot_table(values=['C', 'E'], index=['A', 'B'], aggfunc={'C': ["count","unique",lambda x:len(x.unique())], 'E': np.mean}
)
python pandas.pivot_table透视表函数相关推荐
- pandas pivot_table透视表、crosstab交叉表、aggfunc函数详解及实战
pandas pivot_table透视表.crosstab交叉表详解及实战 pivot_table透视表.crosstab交叉表的本质是一样的,都是通过对表格的透视或者重新排布.人为设置信息的行和列 ...
- python pandas 数据透视表_python – Pandas数据透视表:列顺序和小计
小计和 MultiIndex.from_arrays的解决方案.最后 concat和所有数据帧, sort_index并添加所有总和: #replace km/h and convert to int ...
- Pandas简明教程:八、Pandas数据透视表
透视表(pivot)是由微软发明的一个概念,1993年微软注册了PivotTable这一商标,而他们又在2020年正式撤销了注册. 关于透视表的话题随便搜搜就是一大堆,而有些地方可能都吹得很神了.透视 ...
- pandas 数据透视表
pandas 数据透视表及逆透视 主要参数说明 pd.pivot_table(df,index= [] ,columns= [] ,values = [] , aggfunc={"Quant ...
- 数据透视表函数综合作用
数据透视表函数综合应用 讲师:Jssy 助教:wxin0708 助教:李兴德 学员:sunli1080 学习excel地址:http://t.excelhome.net/forum.php?mod=v ...
- python实现数据透视表_17,玩转pivot_table数据透视表
数据透视表是将数据进行分类汇总,统计分析的强大工具.通过设置新的行标签index和列标签columns,指定需要被统计分析的数值values,指定采用的统计聚合函数aggfunc等,利用数据透视表可以 ...
- python数据透视表计数去除重复_如何从pandas数据透视表中删除重复值?
因此,我试图将excel的一组指令复制到python中.问题是我对excel和正在发生的事情知之甚少.在 我有一个数据帧:no. name corrected no. corrected name 0 ...
- python数据透视、有的value不能同时输出_python – Pandas数据透视表ValueError:索引包含重复的条目,无法重新整形...
我有一个如下所示的数据帧(前3行): Sample_Name Sample_ID Sample_Type IS Component_Name IS_Name Component_Group_Name ...
- 对比Excel,学习pandas数据透视表
Excel中做数据透视表 ① 选中整个数据源: ② 依次点击"插入"-"数据透视表" ③ 选择在Excel中的哪个位置,插入数据透视表 ④ 然后根据实际需求,从 ...
最新文章
- 矩阵乘以其矩阵转置求导-数学
- python的plt函数_plt.plot画图函数
- opencv角点检测学习总结
- js 格式化带时区的日期
- kissy 淘宝网脚本库
- 【Java】Java-XML解析利器-SAX-高性能-易用
- django 入门学习规划与资料推荐
- UIView 不规则剪裁
- html页面颜色排列,HTML前端页面颜色的四种方法,色号表
- 大数据导论学习日志Day1
- 数据报表体系搭建流程
- Halcon 算子 Orientation_region
- 【现代密码学原理】——消息认证码(学习笔记)
- 博士申请 | 香港城市大学计算机学院徐伟涛老师组招收人工智能全奖博士生
- npm shrinkwrap的用途
- python 借助opencv实现Gabor滤波特征提取
- 蘑菇街 App 的组件化之路
- java-打印空心的菱形
- this.$router.push方法,父子如何传值和接收值
- 数据结构与算法(基于<algorithm>)