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 ...

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

python pandas.pivot_table透视表函数相关推荐

最新文章

热门文章