详解pandas.DataFrame.pivot_table()（创建透视表）函数使用方法

pandas.DataFrame.pivot_table()介绍

pandas.DataFrame.pivot_table()是pandas库中的一个函数。它可用于操作数据框（DataFrame）以创建透视表。透视表是一种灵活的汇总数据技术，它可以按多个维度对数据进行计算和汇总。

通常情况下，透视表有一个或多个行和列变量，以及一个或多个值变量。pivot_table()函数允许用户定义透视表的行、列和值变量，并指定需要进行计算的汇总函数。

语法：

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

参数说明：

• data：需要处理的DataFrame类型数据。
• values：指定哪些特征需要进行聚合；
• index：指定与需要根据哪些特征来分组；
• columns：指定哪些特征需要创建列；
• aggfunc：指定聚合函数（默认为'mean',即求平均值）
• fill_value：为“NaN”提供替代值；
• margins：如果为True，则添加总计行/列，结果为交叉表与总统计信息的组合（默认为False）；
• dropna：是否在结果中删除缺失值（默认为True）；
• margins_name：指定行/列总计的名称。

pandas.DataFrame.pivot_table()使用范例

我们将通过各种示例来解释如何使用pivot_table()函数。

示例1：创建透视表来计算数据框某个特定列的平均值。

首先，我们需要创建一个数据框和一个名称为“df”的变量。接下来，我们将使用pivot_table()函数创建一个透视表。这个表将在“Company”列上进行分组，然后计算“Salary”列的平均值。

代码：

import pandas as pd
df = pd.DataFrame({'Name':['John','Mike','Sarah','Mary','Gary','Henry','Beth'], 
                   'Company':['ABC','DEF','GHI','ABC','DEF','GHI','ABC'], 
                   'Salary':[50000,55000,30000,100000,90000,70000,85000], 
                   'Bonus':[4000,4500,2000,8000,7000,5000,6500]})
print(df)

输出：

     Name Company  Salary  Bonus
0    John     ABC   50000   4000
1    Mike     DEF   55000   4500
2   Sarah     GHI   30000   2000
3    Mary     ABC  100000   8000
4    Gary     DEF   90000   7000
5   Henry     GHI   70000   5000
6    Beth     ABC   85000   6500

df.pivot_table(index=['Company'],values='Salary')

输出：

            Salary
Company           
ABC      78333.333333
DEF      72500.000000
GHI      50000.000000

结果表显示了“Company”列中每个组的平均工资，“ABC”公司的平均工资是(50000+100000+85000)/3=78333.333333，“DEF”公司的平均工资是(55000+90000)/2=72500，“GHI”公司的平均工资是(30000+70000)/2=50000。

示例2：创建透视表，并自定义聚合函数

下面的示例演示如何使用pivot_table()自定义聚合函数。在这个例子中，我们将总和函数（sum）作为我们的聚合函数。

df.pivot_table(index=['Company'],values=['Salary','Bonus'],aggfunc=sum)

输出：

        Bonus  Salary
Company              
ABC     8500    235000
DEF     11500   145000
GHI     7000    100000

我们可以看到，结果表列出了“Company”列的每个组的总和。例如，“ABC”公司的总薪水是85000+50000+100000=235000，“DEF”公司的总薪水是90000+55000=145000，“GHI”公司的总薪水是30000+70000=100000。

总结

pandas.DataFrame.pivot_table()函数是一个非常有用的函数，因为它提供了一个强大的工具来创建各种类型的透视表。函数提供的选项允许用户定义要聚合的变量和要应用的聚合函数，以及相应的行和列分组。在处理数据量较大时，透视表可以使数据的分析和汇总变得更加容易和高效。