Pandas之八Reshaping（二）

关注微信公众号：数据研发技术，点击菜单：PY宝典，查看往期精彩内容

前文我们聊过了数据重塑中的stack和unstack，今天继续聊聊透视表功能，该功能和Excel中的数据透视功能相似。

• pivot：对原始Dataframe进行变形整理。
• pivot table：可以在数据变形整理的基础上，做数据聚合操作。

下面使用图中数据对其进行说明

df = 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, 2, 3, 3, 4, 5, 6, 7],
 "E": [2, 3, 4, 5, 6, 7, 8, 9, 10]
})

将原始Dataframe重塑，返回一个新的Dataframe，大体变形过程如下图所示。

简要说明其参数：

• data：需要做数据透视的原始Dataframe数据
• columns：指定一个或多个列的值作为新Dataframe的列
• index：指定一个或多个列的值作为新Dataframe的index，注意其值不可以重复，否则报错（可选，若不填则使用现有index）
• values：指定一个或多列的值作为新Dataframe的值（可选，若不填则使用所有剩余列）

以指定columns为例，以B列的值作为新Dataframe的列名，会默认将其余所有列作为values，缺失值以np.nan替代。

可以理解为：原index不变，而以B列中的one和two来作为列名，展示Dataframe中所有的数据。

pd.pivot(df, columns="B")

# 批定index时，注意该列的值不可重复
# 指定一列时，该列值不可重复；指定多列时，第一列的值不可重复。
pd.pivot(df, columns="B", 
         values="D", index=["E","C"])

使用pivot只能对数据进行变形整理，有时还需要做新的数据做聚合分析，就可以使用pivot table，大体逻辑如下图。

该方法参数比较多，简单对其进行说明：

• data：需要做数据透视的原始Dataframe数据
• values：一列或多列做聚合处理的列名
• index：在数据透视表index上进行分组的列，与pivot不同的是此处列中的值可以重复，因为会做聚合。
• columns: 在数据透视表列上进行分组的列
• aggfunc: 将要应用的聚合函数，默认是计算均值 numpy.mean

data，values，index和columns的用法与pivot基本一致，主要说一说aggfunc

对数据透视表中的D和E的数据做求和计算

pd.pivot_table(df,values=["D","E"], 
               index=["A"], 
               columns=["C"],
               aggfunc=np.sum)

对所有数据，同时做求和和平均值计算

pd.pivot_table(df,values=["D","E"], 
               index=["A"], 
               columns=["C"],
               aggfunc=[np.sum,np.mean])

对D列的值做求和，对E列的值计算平均值

pd.pivot_table(df,values=["D","E"], 
               index=["A"], 
               columns=["C"],
               aggfunc={"D":np.sum,"E":np.mean})

点个关注再走呗