python 用pandas实现数据透视表功能

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。对于熟练使用 excel 的伙伴来说，一定很是亲切！

pd.pivot_table() 语法：

pivot_table(data,  # Dataframe
      values=None,  # 值
      index=None,  # 分类汇总依据
      columns=None,  # 列
      aggfunc='mean',  # 聚合函数
      fill_value=None,  # 对缺失值的填充
      margins=False,  # 是否启用总计行/列
      dropna=True,  # 删除缺失
      margins_name='All'  # 总计行/列的名称
      )

import os
import numpy as np
import pandas as pd

file_name = os.path.join(path, 'Excel_test.xls')
df = pd.read_excel(io=file_name,  # 工作簿路径
   sheetname='透视表',  # 工作表名称
   skiprows=1,  # 要忽略的行数
   parse_cols='A:D'  # 读入的列
  )
df

# 透视数据
df_p = df.pivot_table(index='客户名称',  # 透视的行，分组依据
    values='销量',  # 值
    aggfunc='sum'  # 聚合函数
    )
# 对透视表进行降序排列
df_p = df_p.sort_values(by='销量',  # 排序依据
     ascending=False  # 是否升序排列
     )
# 设置数值格式
df_p = df_p.round({'销量': 0}).astype('int')

# 添加列
ks = df_p['销量']//100
df_p['重要程度'] = ['★'*k for k in ks]
df_p

df_p['客户名称'] = df_p.index
df_p.set_index(keys=['重要程度', '客户名称'])

注：以上操作从理论和实践方面看都没什么问题，但模仿 excel 的痕迹浓重了些，更 python 的操作是用 groupby-applay 的方法。

grouped = df.groupby(by='客户名称')
grouped['销量'].agg('sum')

# 分类汇总
df_p = df.groupby(by='客户名称'  # 分类
  ).agg('sum'  # 汇总
    ).sort_values(by='销量', ascending=False  # 排序
    ).round({'销量': 0}  # 设置精度
).astype('int')  # 数据类型转换

# 添加列
ks = df_p['销量']//100
df_p['重要程度'] = ['★'*k for k in ks]
df_p['客户名称'] = df_p.index
# 层次索引
df_p.set_index(keys=['重要程度', '客户名称'])

软件信息：

以上就是python 用pandas实现数据透视表功能的详细内容，更多关于python pandas实现数据透视表的资料请关注考高分网其它相关文章！