Pandas数据分析之pandas数据透视表和交叉表

Pandas数据分析之pandas数据透视表和交叉表

Pandas 是一个具有高效数据操作和数据分析能力的 Python 库。本文将介绍 Pandas 中的数据透视表和交叉表，以及如何在实际项目中使用它们。

什么是数据透视表？

数据透视表是一种在 Excel 中极为常见的数据分析技术，它可以将原始数据以任意维度进行聚合，并展示在一个新的表格中。在 Pandas 中，我们可以使用 pivot_table 方法来实现数据透视表的创建。

pivot_table() 方法

pivot_table() 方法的语法如下：

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

其中，参数 data 为原始数据，必填；values 参数是需要聚合的值，可以是一个单独的列名称，也可以是多个列名的 list，可选；index 参数是需要分组的列，可选；columns 参数也是需要分组的列，可选；aggfunc 参数是聚合函数，可选，默认为 mean；fill_value 参数是用于替换缺失值的标量值，可选；margins 参数是针对行进行总计或针对列进行总计，可选；dropna 参数表示是否删除结果中的缺失值，可选，缺省值为 True；margins_name 参数是用于添加总计行或列的名称，可选，默认为 "All"；observed 参数表示是否限制允许的因子集合，可选。

我们来看一个具体的例子。

假设我们有如下的表格:

日期	城市	温度
2019-01-01	上海	15
2019-01-01	北京	10
2019-01-02	上海	13
2019-01-02	北京	8

我们想按每个城市的平均温度展示数据透视表。我们可以使用以下代码：

import pandas as pd

data = pd.DataFrame({"date": ["2019-01-01", "2019-01-01", "2019-01-02", "2019-01-02"],
               "city": ["上海", "北京", "上海", "北京"],
               "temperature": [15, 10, 13, 8]})

pivot = pd.pivot_table(data, index=["city"], values=["temperature"], aggfunc="mean")
print(pivot)

输出结果：

       temperature
city              
上海      14.000000
北京      9.000000

我们可以看到，我们成功地按城市进行了分组并显示了平均温度。

什么是交叉表？

交叉表是一种在统计学和数据分析中常用的表格形式。它可以展示两个或多个因素的聚合结果，并在行和列显示汇总数据。在 Pandas 中，我们可以使用 crosstab 方法来创建交叉表。

crosstab() 方法

crosstab() 方法的语法如下：

pd.crosstab(index, columns, values=None, rownames=None, colnames=None, aggfunc=None, margins=False, margins_name='All', dropna=True, normalize=False)

其中，参数 index 为第一个因素，需要进行分组；columns 为第二个因素，也需要进行分组；values 为可选参数，为聚合的值；rownames 和 colnames 分别为行名称和列名称；aggfunc 表示聚合函数，可选；margins 和 margins_name 用来为行或列添加总计。normalize 参数表示是否显示百分比。

我们来看一个具体的例子。

假设我们有如下的表格:

节点	动作
1	开始
1	结束
2	开始
3	结束
3	开始

我们想按照每个节点和每个动作的数量建立交叉表。我们可以使用以下代码：

import pandas as pd

data = pd.DataFrame({"node": [1, 1, 2, 3, 3],
               "action": ["begin", "end", "begin", "end", "begin"]})

cross = pd.crosstab(index=data["node"], columns=data["action"])
print(cross)

输出结果：

action  begin  end
node              
1           1    1
2           1    0
3           1    1

我们可以看到，我们成功地按照节点和动作创建了交叉表，并展示了数量。

总结

数据透视表和交叉表是数据分析中非常有用的工具，它们可以让我们以任意维度对数据进行分类汇总，并展示在一个新的表格中。在 Pandas 中，我们可以使用 pivot_table() 和 crosstab() 方法来创建这些表格。