Excel的数据透视表非常有用，但是Pandas也有这个功能你知道吗？今天我们来对比Excel数据透视表，学习pandas pivot_table
1.Excel中做数据透视表
① 选中整个数据源；
② 依次点击“插入”—“数据透视表”
③ 选择在Excel中的哪个位置，插入数据透视表
④ 然后根据实际需求，从不同维度展示结果
⑤ 结果如下
2. pandas 用 pivot_table 做数据透视表
pd.pivot_table(data,index=None,columns=None,
values=None,aggfunc='mean',
margins=False,margins_name='All',
dropna=True,fill_value=None)
2）对比excel，说明上述参数的具体含义
参数说明：
data 相当于Excel中的”选中数据源”；
index 相当于上述”数据透视表字段”中的行；
columns 相当于上述”数据透视表字段”中的列；
values 相当于上述”数据透视表字段”中的值；
aggfunc 相当于上述”结果”中的计算类型；
margins 相当于上述”结果”中的总计；
margins_name 相当于修改”总计”名，为其它名称；
下面几个参数，用的较少，记住干嘛的，等以后需要就百度。
dropna 表示是否删除缺失值，如果为True时，则把一整行全作为缺失值删除；
fill_value 表示将缺失值，用某个指定值填充。
3. 案例说明
1）求出不同品牌下，每个月份的销售数量之和
① 在Excel中的操作结果如下
② 在pandas中的操作如下
df = pd.read_excel(r"C:\Users\黄伟\Desktop\pivot_table.xlsx")
display(df.sample(5))
df.insert(1,"月份",df["销售日期"].apply(lambda x:x.month))
display(df.sample(5))
df1 = pd.pivot_table(df,index="品牌",columns="月份",
values="销售数量",aggfunc=np.sum)
display(df1)结果如下：
2）求出不同品牌下，每个地区、每个月份的销售数量之和
① 在Excel中的操作结果如下
② 在pandas中的操作如下
df = pd.read_excel(r"C:\Users\黄伟\Desktop\pivot_table.xlsx")
display(df.sample(5))
df.insert(1,"月份",df["销售日期"].apply(lambda x:x.month))
display(df.sample(5))
df1 = pd.pivot_table(df,index="品牌",columns=["销售区域","月份"],
values="销售数量",aggfunc=np.sum)
display(df1)
结果如下：
3）求出不同品牌不同地区下，每个月份的销售数量之和
① 在Excel中的操作结果如下
② 在pandas中的操作如下
df = pd.read_excel(r"C:\Users\黄伟\Desktop\pivot_table.xlsx")
display(df.sample(5))
df.insert(1,"月份",df["销售日期"].apply(lambda x:x.month))
display(df.sample(5))
df1 = pd.pivot_table(df,index=["品牌","销售区域"],columns="月份",
values="销售数量",aggfunc=np.sum)
display(df1)
结果如下：
4）求出不同品牌下的“销售数量之和”与“货号计数”
① 在Excel中的操作结果如下
② 在pandas中的操作如下
df = pd.read_excel(r"C:\Users\黄伟\Desktop\pivot_table.xlsx")
display(df.sample(5))
df.insert(1,"月份",df["销售日期"].apply(lambda x:x.month))
display(df.sample(5))
df1 = pd.pivot_table(df,index="品牌",columns="月份",
values=["销售数量","货号"],
aggfunc={"销售数量":"sum","货号":"count"},
margins=True,margins_name="总计")
display(df1)
结果如下：
本文转自凹凸数据。
我们的文章到此就结束啦，如果你喜欢今天的Python 实战教程，请持续关注Python实用宝典。
有任何问题，可以在公众号后台回复：加群，回答相应红字验证信息，进入互助群询问。
原创不易，希望你能在下面点个赞和在看支持我继续创作，谢谢！
点击下方阅读原文可获得更好的阅读体验
Python实用宝典 (pythondict.com)
不只是一个宝典
欢迎关注公众号：Python实用宝典
