Python中怎么使用pivot_table()实现数据透视功能

本篇文章给大家分享的是有关Python中怎么使用 pivot_table()实现数据透视功能，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。

创新互联-云计算及IDC服务提供商，涵盖公有云、IDC机房租用、眉山联通机房、等保安全、私有云建设等企业级互联网基础服务，服务热线：13518219792

pivot_table

pivot()函数没有数据聚合功能，要想实现此功能，需要调用Pandas包中的第三个顶层函数：pivot_table()，在pandas中的工程位置如下所示：

pandas

  |

pivot_table()

如下，构造一个df实例：

调用如下操作：

参数index指明A和B为行索引，columns指明C列取值为列，聚合函数为求和，values是在两个轴(index和columns)确定后的取值用D列。得到结果如下:

其中聚合函数可以更加丰富的扩展，使用多个。如下所示，两个轴的交叉值选用D和E，聚合在D列使用np.mean(), 对E列使用np.sum, np.mean, np.max, np.min

得到结果如下所示：

函数原型

fill_value: 空值的填充值；

dropna: 如果某列元素都为np.nan, 是否丢弃；

margins: 汇总列， margins_name: 汇总名称

margins参数默认为False，如果设置为True，会得到每列的汇总，如下df实例

设置margins为True，汇总行索引为名称自定义为self_name:

注意

margins设置为True后，目前pandas 0.22.3版本只支持聚合函数为单个元素，不支持为list的情况，如下：

会报出异常：

透过pivot_table聚合功能源码（如下所示），我们发现它本身是通过调用groupby()及其agg()实现的。

grouped = data.groupby(keys, observed=False)agged = grouped.agg(aggfunc)

以上就是Python中怎么使用 pivot_table()实现数据透视功能，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注创新互联行业资讯频道。