python数据透视表（pivot_table参数详解）46

python数据透视表

当一个非常大的表格的数据需要以非常复杂的方式进行汇总以使其易于理解时，数据透视表是一个明智的选择。数据透视表可以基于各种统计概念，如总和、平均值等。为了从 Pandas 的角度设计这些数据透视表，可以使用 Pandas 库中的 pivot_table() 方法。

语法：

pandas.pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All', observed=False)

pivot_table参数详解：

例子

以下是下面提到的以下示例

示例#1

代码：

import pandas as pd
import numpy as np
Core_Dataframe = pd.DataFrame({'Emp_No' : ['Emp1','Emp2','Emp3','Emp4'],
'Employee_Name' :  ['Arun', 'selva', 'rakesh', 'arjith'],
'Employee_dept' : ['CAD', 'CAD', 'DEV', 'CAD']})
print("   THE CORE DATAFRAME ")
print(Core_Dataframe)
print("")
table_Dataframe = Core_Dataframe.pivot_table(Core_Dataframe, index=[ 'Employee_dept', 'Emp_No'],columns=['Employee_dept'], aggfunc=np.sum)
print("   THE PIVOT TABLE DATAFRAME ")
print(table_Dataframe)

输出：

说明：  我们可以注意到，在这个实例中，DataFrame 包含员工编号、员工姓名和员工部门等详细信息。生成的数据透视表打印到控制台。

示例#2

代码：

import pandas as pd
import numpy as np
Core_Dataframe = pd.DataFrame({'A' :  [ 1, 6, 11, 15, 21, 26],
'B' :  [21, 71, 12, 17, 22, 27],
'C' :  [3, 8, 13, 18, 23, 28],
'D' :  [4, 9, 14, 19, 24, 29],
'E' :  [5, 10, 15, 20, 25, 30]})
print("   THE CORE DATAFRAME ")
print(Core_Dataframe)
print("")
table_Dataframe = Core_Dataframe.pivot_table(Core_Dataframe, index=[ 'A', 'B'],columns=['C'], aggfunc=np.sum)
print("   THE PIVOT TABLE DATAFRAME ")
print(table_Dataframe)

输出：

示例#3

代码：

import pandas as pd
import numpy as np
Core_Dataframe = pd.DataFrame( {
'name': ['Alan Xavier', 'Annabella', 'Janawong', 'Yistien', 'Robin sheperd', 'Amala paul', 'Nori'],
'city': ['california', 'Toronto', 'Osaka', 'Shanghai',
'Manchester', 'california', 'Osaka'],
'age': [51, 38, 23, 63, 18, 51, 63],
'py-score': [82.0, 73.0, 81.0, 30.0, 48.0, 61.0, 84.0] })
print("   THE CORE DATAFRAME ")
print(Core_Dataframe)
print("")
table_Dataframe = Core_Dataframe.pivot_table(Core_Dataframe, index=[ 'city'  ],columns=['name' , 'py-score'], aggfunc=np.sum)
print("   THE PIVOT TABLE DATAFRAME ")
print(table_Dataframe)

输出：

说明： DataFrame 包含随机人员信息和这些人的 py_score 值。此DataFrame 中使用的关键列是名称、年龄、城市和 py-score 值。iterrows() 函数提供了对DataFrame 的这些行进行复杂迭代的灵活性。生成的数据透视表打印到控制台上。

示例 #4

代码：

import pandas as pd
import numpy as np
import pandas as pd
Core_Dataframe = pd.DataFrame({'Column1' :  [ 'A', 'B', 'C', 'D', 'E', 'F'],
'Column2' :  [ 'G', 'H', 'I', 'J', 'K', 'L'],
'Column3' :  [ 'M', 'N', 'O', 'P', 'Q', 'R'],
'Column4' :  [ 'S', 'T', 'U', 'V', 'W', 'X'],
'Column5' :  [ 'Y', 'Z', None, None, None, None]})
print("   THE CORE DATAFRAME ")
print(Core_Dataframe)
print("")
table_Dataframe = Core_Dataframe.pivot_table(Core_Dataframe, index=[ 'Column5'  ],columns=['Column1' ], aggfunc=np.sum)
print("   THE PIVOT TABLE DATAFRAME ")
print(table_Dataframe)

输出：

示例#5

代码：

import pandas as pd
import numpy as np
import pandas as pd
Core_Dataframe = pd.DataFrame({'A' :  [ 3.67, 6.66, 14.5, 13.4, 21.44, 10.344],
'B' :  [ 2.345, 745.5, 12.4, 13.4, 22.35, 10.344 ],
'C' :  [ 3.67, 8, 13.4, 18, 23, 28.44 ],
'D' :  [ 4.6788, 923.3, 14.5, 19, 24, 29.44 ],
'E' :  [ 5.3, 10.344, 15.556, 13.45, 10.344, 30.3 ]})
print("   THE CORE DATAFRAME ")
print(Core_Dataframe)
print("")
table_Dataframe = Core_Dataframe.pivot_table(Core_Dataframe, index=[ 'A'  ],columns=['B' , 'C' ], aggfunc=np.sum)
print("   THE PIVOT TABLE DATAFRAME ")
print(table_Dataframe)

输出：

说明：  本例中使用了典型的浮动数据集。生成的数据透视表打印到控制台上。

总结

这是 Pandas pivot_table() 的指南。在这里，我们讨论 Python数据透视表 的介绍以及编程示例，和pivot_table参数详解，以便更好地理解。