本文共 1394 字，大约阅读时间需要 4 分钟。

1. 什么是pivot_table

透视表是一种可以对数据动态排布并且分类汇总的表格格式

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

2. 如何操作pivot_table

pivot_table有四个最重要的参数index、values、columns、aggfunc，本文以这四个参数为中心讲解pivot操作是如何进行。

2.1 加载数据

import pandas as pd	import numpy as np	df = pd.read_csv('James_Harden.csv',encoding='utf8')	df.head()

2.2 index参数

• Index就是层次字段，要通过透视表获取什么信息就按照相应的顺序设置字段

#查看哈登对阵每个队伍的得分，首先我们将对手设置为index：	pd.pivot_table(df,index='对手').head()

#看对阵同一对手在不同主客场下的数据，将对手与胜负与主客场都设置为index	pd.pivot_table(df,index=['对手','主客场']).head(8)

2.3 values参数

• 可以对需要的计算数据进行筛选

# 当我们未设置aggfunc时，它默认aggfunc='mean'计算均值	pd.pivot_table(df,index=['主客场','胜负'],values=['助攻','篮板','得分'])

2.4 columns参数

• 设置列层次字段

#margins=1 添加总和	pd.pivot_table(df,index=['主客场'],columns=['对手'],values=['得分'],aggfunc=[np.sum],fill_value=0,margins=1)

table = pd.pivot_table(df,index=['对手','胜负'],columns=['主客场'],values=['助攻','篮板','得分'],aggfunc=[np.mean],fill_value=0)	table

2.5 aggfunc参数

• 对数据聚合时进行的函数操作

# 当我们未设置aggfunc时，它默认aggfunc='mean'计算均值	pd.pivot_table(df,index=['主客场','胜负'],values=['助攻','篮板','得分'],aggfunc=[np.mean,np.max])

2.6 查询

table.query('对手==["76人"]')

3. 总结

• pd.pivot_table(df,index=[字段1],values=[字段2],aggfunc=[函数],fill_value=0)

• df.groupby([字段1])[字段2].agg(函数).fillna(0)

• 上面两个函数完全等价，pivot_table仿佛是加入了columns与margin功能的groupby函数，比groupby更加灵活。

• 

• 数据下载： 提取码: yr9q

转载地址：http://imdsn.baihongyu.com/