【Python】透视表、统计表、汇总表、报表

【博客地址】：https://blog.csdn.net/sunyaowu315
【博客大纲地址】：https://blog.csdn.net/sunyaowu315/article/details/82905347

如何用python常用库的一些基本方法，来制作漂亮的分类汇总统计表，高效快捷的满足工作需要。
（框架已有，结果很赞，工作紧张，美中不足，空余时间，持续更新）

简单用法

groupby
pandas提供了一个灵活的groupby功能，它能够以一种自然的方式对数据集进行切片、切块、摘要等操作。对数据集进行分组并对各组应用一个函数（无论是聚合还是转换），这是数据分析工作中的重要环节。在将数据集准备好之后，通常的任务就是计算分组统计或生成透视表。
详细用法，参考【GroupBy：数据聚合与分组运算】：https://blog.csdn.net/sunyaowu315/article/details/82774552

开胃小菜

pivot_table
大多数小伙伴都有在Excel中使用数据透视表的经历，其实Pandas也提供了一个类似的功能，名为pivot_table，使用起来及其方便，掌握好它的col和index及运算方法，可以让你的报表制作非常高效。

例：极简新贷运营指标-风控审批表：

def ds_approve(self,indata):tmp = indata.copy()index = self.indexdf_pivot = pd.pivot_table(tmp,index=index,values='apply_id',aggfunc='count').rename(columns = {'apply_id':'注册量'})df_pivot['处理量'] = tmp.groupby(index)['apply_id'].agg(pd.Series.count)df_pivot['规则处理'] = tmp[tmp['status'].notnull()].groupby(index)['apply_id'].agg(pd.Series.count)df_pivot['规则拒绝']= tmp[tmp['status'] == -1].groupby(index)['apply_id'].agg(pd.Series.count)df_pivot['规则通过']= tmp[(tmp['status'] >2) | (tmp['status'] == -3)].groupby(index)['apply_id'].agg(pd.Series.count)df_pivot['人工通过']= tmp[tmp['status']  == 6 ].groupby(index)['apply_id'].agg(pd.Series.count)df_pivot.loc['总计'] = df_pivot.apply(lambda x : x.sum())df_pivot['规则核准%'] = df_pivot[['规则通过','规则处理']].apply(lambda x: float('{x:.2f}'.format(x = (x['规则通过'] / x['规则处理'])*100)  if x['规则处理'] > 0 else '0.00'),axis = 1 )df_pivot['人工核准%'] = df_pivot[['规则通过','人工通过']].apply(lambda x: float('{x:.2f}'.format(x = (x['人工通过'] / x['规则通过'])*100)  if x['规则通过'] > 0 else '0.00'),axis = 1 )df_pivot['核拨%'] = df_pivot[['人工通过','规则处理']].apply(lambda x: float('{x:.2f}'.format(x = (x['人工通过'] / x['规则处理'])*100)  if x['规则处理'] > 0 else '0.00'),axis = 1 )#df_pivot = df_pivot.sort_values(by=[box],ascending=[0]).reset_index(drop=True)     return df_pivot

结果展示

战术升级

prettytable和colorama

再次升级

pygal