数据透视表——pivot_table学习（特征工程）

1：构建数据

"""
pivot_table() 的特点就是默认显示指定索引列和所有数值列。
索引显示的是唯一值，所以会把对应的数值处理成均值。
其他str类型的列都会自动忽略。\n当然，使用pivot_table() 时，
可以通过添加参数进行计数或求和\n\n示例中账号是int类型，
如果是str类型，那么运行结果不会显示[‘账号’]这一列的内容。
"""import numpy as np
import pandas as pd
df = pd.DataFrame({'账号':[714466,714466,714466,737550,146832,218895,218895,412290,740150,141962,163416,239344,239344,307599,688981,729833,729833],'客户名称':['华山派股份有限公司','华山派股份有限公司','华山派股份有限公司','丐帮(北京) 合伙人公司','恶人谷资产管理公司','桃花岛','桃花岛','有间客栈','逍遥子影业','白驼山(上海)影视艺术有限公司','聚贤庄','全真教药业','全真教药业','天地会快递','福寿堂','快手三教育培训有限公司','快手三教育培训有限公司'],'销售':['令狐冲','令狐冲','令狐冲','令狐冲','江小鱼','江小鱼','江小鱼','段誉','段誉','欧阳克','欧阳克','欧阳克','欧阳克','韦小宝','韦小宝','韦小宝','韦小宝'],'销售总监':['岳不群','岳不群','岳不群','岳不群','岳不群','岳不群','岳不群','岳不群','岳不群','完颜洪烈','完颜洪烈','完颜洪烈','完颜洪烈','完颜洪烈','完颜洪烈','完颜洪烈','完颜洪烈'],'产品':['黑玉断续膏','葵花宝典','含笑半步癫','黑玉断续膏','黑玉断续膏','黑玉断续膏','葵花宝典','含笑半步癫','黑玉断续膏','黑玉断续膏','黑玉断续膏','含笑半步癫','葵花宝典','含笑半步癫','黑玉断续膏','黑玉断续膏','如意勾'],'数量':[1,2,1,3,1,3,1,2,4,2,2,1,3,5,2,3,1],'价格':[3000,2000,1000,3000,1000,3000,1000,2000,4000,2000,2000,1000,2000,3000,1000,4000,2000],'状态':['流程中','流程中','待审批','驳回','已完成','流程中','流程中','待审批','驳回','已完成','流程中','待审批','待审批','已完成','已完成','驳回','流程中'],})

数值类型的字段只有：账号，数量，价格。

2：index 指定单索引\n索引变成了[客户名称]这一列，values显示的只有数字，而且都处理成均值。

比如：华山三个，数量4/3，价格6000/3，账号就不用说了，三个都一样，均值自然就是其中一个；快手两个，数量4/2，价格6000/2

df1 = pd.pivot_table(df, index=['客户名称'])

3：指定多索引索引顺序能决定不同的视觉体验，虽然结果是一致的。

df2 = pd.pivot_table(df, index=['销售总监', '销售', '客户名称'])df3 = pd.pivot_table(df, index=[ '销售', '客户名称','销售总监'])

3：values

如果不需要显示全部的数值列，可以用Values参数指定

# 显然Values不能随便指定，pivot_table()只能显示数值列
print(pd.pivot_table(df, index=['客户名称'], values=['状态']))

4：aggfunc

当我们未设置aggfunc时，它默认aggfunc='mean’计算均值。其它如下

df4 = pd.pivot_table(df, index=['销售总监','销售','客户名称'],values=['数量','价格'],aggfunc=np.sum)
df5 = pd.pivot_table(df, index=['销售总监','销售','客户名称'],values=['数量','价格'],aggfunc=[np.mean,len,np.sum])

5：columns

fill_value

columns参数就是用来显示字符型数据的，和fill_value搭配使用

补充：当 values,aggfunc,columns 的取值只有一个时，有无中括号效果略有不同。

df6 = pd.pivot_table(df, index=['销售总监'], values=['价格'],aggfunc=[np.sum],columns=['产品'],fill_value=0)

6：更加复杂的有：

df7 = pd.pivot_table(df,index=['销售总监','状态'], values=['数量','价格'], columns=['产品'],aggfunc={'数量':len,'价格':np.sum},fill_value=0,margins=True)

数据透视表——pivot_table学习（特征工程）相关推荐

用python做透视表_python制作数据透视表pivot_table方法详解
数据透视表(Pivot Table)是一种交互式的表,可以进行某些计算,如求和与计数等.所进行的计算与数据跟数据透视表中的排列有关. 之所以称为数据透视表,是因为可以动态地改变它们的版面布置,以便按照 ...
Python数据分析——Pandas基础：dt.datetime与pivot_table()数据透视表
系列文章目录 Chapter 1:创建与探索DF.排序.子集化:Python数据分析--Pandas基础入门+代码(一) Chapter 2:聚合函数,groupby,统计分析:Python数据分析- ...
【DS with Python】DataFrame的合并、分组聚合与数据透视表
文章目录前言一.DataFrame的合并 1.1 按列名合并 (pd.merge()) 1.2 相同列添加行数 (pd.concat()功能) 二.应用 (.apply()功能) 三.分组 (.g ...
实战 SQL：销售数据的小计/合计/总计以及数据透视表
文章目录小计.合计与总计多维度交叉统计自定义统计维度数据透视表总结学习过 SQL 的人都知道,使用聚合函数(AVG.SUM.COUNT.MIN/MAX 等)和分组操作(GROUP BY)可 ...
Excel 数据透视表小技巧之 02 如何统计唯一值数量（教程含数据和解决方案）
实战问题如何统计唯一值数量 ABC 123 ABC 123 ABC 123 DEF 456 DEF 567 DEF 456 DEF 456 这似乎是一个简单的数据透视表来学习.我想为我分组的特定值计 ...
学习SQL：SQL Server数据透视表
In the previous few articles in this series, we've set the foundations on how to create a report. We ...
对比Excel，学习pandas数据透视表
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 ...
Excel数据透视表只能求和运算？快来学习求差运算小技巧
点赞再看,养成习惯:天下兴亡,匹夫有责. 微信搜索[亦心Excel]关注这个不一样的自媒体人. 本文 GitHub https://github.com/hugogoos/Excel 已收录,包含Ex ...
Pandas实现（pivot_table函数）数据透视表
使用pandas中的pivot_table()实现数据透视表.语法格式如下: pd.pivot_table(data,values=None,index=None,columns=None,aggfu ...

数据透视表——pivot_table学习（特征工程）

数据透视表——pivot_table学习（特征工程）相关推荐

最新文章

热门文章