Python+Pandas实现数据透视表

下面是Python+Pandas实现数据透视表的完整攻略：

一、数据透视表简介

数据透视表（Pivot Table）是一种多维度的数据分析方式，用于快速汇总和分析数据。它将原始数据按照指定的行列进行分组，再进行聚合统计，最终生成一张新的表格。

Pandas是Python中的一个强大的数据分析包，提供了Pivot Table功能，可以方便地实现数据透视表。

二、数据透视表的语法

在Pandas中，数据透视表的语法有如下几个重要参数：

• values：对哪个列进行聚合统计。
• index：按照哪些列进行分组。
• columns：按照哪个列进行列数据透视。
• aggfunc：聚合函数，如sum、count、mean等。

下面是实现数据透视表的基本语法：

import pandas as pd

# 读取数据
df = pd.read_csv('data.csv')

# 构建数据透视表
pd.pivot_table(df, values='销售额', index='地区', columns='产品分类', aggfunc=sum)

三、数据透视表示例

示例一

下面演示一个简单的数据透视表示例，读取一个csv文件，然后按照地区和产品分类进行分组，计算销售额的总和：

import pandas as pd

# 读取数据
df = pd.read_csv('data.csv')

# 构建数据透视表
pivot_table = pd.pivot_table(df, values='销售额', index='地区', columns='产品分类', aggfunc=sum)

# 打印结果
print(pivot_table)

输出：

产品分类    书籍     数码     美妆
地区                          
上海     NaN  100.0    NaN
北京  200.0    NaN  300.0
广州  250.0    NaN  150.0
深圳  150.0    NaN  100.0

该透视表按照地区和产品分类分组，计算销售额的总和，结果显示上海没有数码和美妆销售额，北京的书籍销售额为200，广州的书籍销售额为250，深圳的书籍销售额为150。

示例二

下面演示一个稍微复杂一些的数据透视表示例，读取一个csv文件，然后按照地区和产品分类进行分组，计算销售额的平均值，并添加一个汇总列和汇总行：

import pandas as pd

# 读取数据
df = pd.read_csv('data.csv')

# 构建数据透视表
pivot_table = pd.pivot_table(df, values='销售额', index=['地区', '产品分类'],
                             aggfunc={'销售额': 'mean'},
                             fill_value=0, margins=True)

# 打印结果
print(pivot_table)

输出:

            销售额
地区 产品分类       
上海 数码    100.0
北京 书籍    200.0
    美妆    300.0
广州 书籍    250.0
    美妆    150.0
深圳 书籍    150.0
    美妆    100.0
All        187.5

该透视表按照地区和产品分类分组，计算销售额的平均值，并添加一个汇总列和汇总行。结果显示了5个地区、3个产品分类、一个汇总行和一个汇总列。