pandas学习之透视表

直接复制到txt文本就能用。咱们直接上代码

对手,胜负,主客场,命中,投篮数,投篮命中率,3分命中率,篮板,助攻,得分
勇士,胜,客,10,23,0.435,0.444,6,11,27
国王,胜,客,8,21,0.381,0.286,3,9,27
小牛,胜,主,10,19,0.526,0.462,3,7,29
灰熊,负,主,8,20,0.4,0.25,5,8,22
76人,胜,客,10,20,0.5,0.25,3,13,27
黄蜂,胜,客,8,18,0.444,0.4,10,11,27
灰熊,负,客,6,19,0.316,0.222,4,8,20
76人,负,主,8,21,0.381,0.429,4,7,29
尼克斯,胜,客,9,23,0.391,0.353,5,9,31
老鹰,胜,客,8,15,0.533,0.545,3,11,29
爵士,胜,主,19,25,0.76,0.875,2,13,56
骑士,胜,主,8,21,0.381,0.429,11,13,35
灰熊,胜,主,11,25,0.44,0.429,4,8,38
步行者,胜,客,9,21,0.429,0.25,5,15,26
猛龙,负,主,8,25,0.32,0.273,6,11,38
太阳,胜,客,12,22,0.545,0.545,2,7,48
灰熊,胜,客,9,20,0.45,0.5,5,7,29
掘金,胜,主,6,16,0.375,0.143,8,9,21
尼克斯,胜,主,12,27,0.444,0.385,2,10,37
篮网,胜,主,13,20,0.65,0.615,10,8,37
步行者,胜,主,8,22,0.364,0.333,8,10,29
湖人,胜,客,13,22,0.591,0.444,4,9,36
爵士,胜,客,8,19,0.421,0.333,5,3,29
开拓者,胜,客,16,29,0.552,0.571,8,3,48
鹈鹕,胜,主,8,16,0.5,0.4,1,17,26

import numpy as np
import pandas as pd
date=['2017-5-1','2017-5-2','2017-5-3']*3
rng=pd.to_datetime(date)
#to_datetimed的作用   将给定的数据按照指定格式转换成日期格式
print(rng)
#DataFrame：以列的形式构成的分布式数据集
df=pd.DataFrame({"data":rng,"key":list('abcdabcda'),"values":np.random.rand(9)*10})
print(df)
#pivot_table透视表聚合数据
print(pd.pivot_table(df,values="values",index="data",columns="key",aggfunc=np.sum))
print(pd.pivot_table(df,values="values",index=["data","key"],aggfunc=len))
#values字段值
#index行名称
#columns列名称
print("=======================")
df=pd.read_csv(r'C:\Users\Administrator\Desktop\python每日一练\JamesHarden.txt',encoding="utf-8")
print(df)
#查看哈登对阵每个队伍的得分，将对手设置为index
print(pd.pivot_table(df,index=["对手"]))
#查看同一对手在不同主客场下的数据
print(pd.pivot_table(df,index=["对手","主客场"]))
print(pd.pivot_table(df,index=["对手","主客场"]))
#在主客场，不同胜负的情况下的得分，篮板，助攻
print(pd.pivot_table(df,index=["主客场","胜负"],values=["得分","篮板","助攻"]))
#在主客场，不同胜负的情况下的总得分，总篮板，总助攻
print(pd.pivot_table(df,index=["主客场","胜负"],values=["得分","篮板","助攻"],aggfunc=[np.sum]))
#在主客场，不同胜负的情况下的平均得分，平均篮板，平均助攻
print(pd.pivot_table(df,index=["主客场","胜负"],values=["得分","篮板","助攻"],aggfunc=[np.mean]))
print(pd.pivot_table(df,index=["对手"],values=["得分","篮板","助攻"],aggfunc=[np.mean],fill_value=0))

透视表的基本使用：

import numpy as np
import pandas as pd
date=['2017-5-1','2017-5-2','2017-5-3']*3
rng=pd.to_datetime(date)
#to_datetimed的作用   将给定的数据按照指定格式转换成日期格式
print(rng)
#DataFrame：以列的形式构成的分布式数据集
df=pd.DataFrame({"data":rng,"key":list('abcdabcda'),"values":np.random.rand(9)*10})
print(df)
#pivot_table透视表聚合数据
print(pd.pivot_table(df,values="values",index="data",columns="key",aggfunc=np.sum))
print(pd.pivot_table(df,values="values",index=["data","key"],aggfunc=len))

运行结果：

导入文本文件：

print("=======================")
df=pd.read_csv(r'C:\Users\Administrator\Desktop\python每日一练\JamesHarden.txt',encoding="utf-8")
print(df)

获取到得数据
#查看哈登对阵每个队伍的得分，将对手设置为index

print(pd.pivot_table(df,index=["对手"]))

#查看同一对手在不同主客场下的数据

print(pd.pivot_table(df,index=["对手","主客场"]))

#在主客场，不同胜负的情况下的得分，篮板，助攻


```python
print(pd.pivot_table(df,index=["主客场","胜负"],values=["得分","篮板","助攻"]))

#在主客场，不同胜负的情况下的总得分，总篮板，总助攻

print(pd.pivot_table(df,index=["主客场","胜负"],values=["得分","篮板","助攻"],aggfunc=[np.sum]))

#在主客场，不同胜负的情况下的平均得分，平均篮板，平均助攻

print(pd.pivot_table(df,index=["主客场","胜负"],values=["得分","篮板","助攻"],aggfunc=[np.mean]))

觉得能帮到你就点个赞吧

新手博主，请前辈批评指正——@丁一

pandas学习之透视表相关推荐

【Python基础】一文看懂 Pandas 中的透视表
作者:来源于读者投稿出品:Python数据之道一文看懂 Pandas 中的透视表透视表在一种功能很强大的图表,用户可以从中读取到很多的信息.利用excel可以生成简单的透视表.本文中讲解的是如何 ...
【转载】使用Pandas创建数据透视表
使用Pandas创建数据透视表本文转载自:蓝鲸的网站分析笔记原文链接:使用Pandas创建数据透视表目录 pandas.pivot_table() 创建简单的数据透视表增加一个行维度(inde ...
python多个sheet数据透视表_python 用pandas实现数据透视表功能
透视表是一种可以对数据动态排布并且分类汇总的表格格式.对于熟练使用 excel 的伙伴来说,一定很是亲切! pd.pivot_table() 语法: pivot_table(data, # dataf ...
用pandas 制作excel透视表
需求: 实现: 参考博文: 第8节,用pandas 制作excel透视表 | 酷python
pandas基础(part5)--透视表与交叉表
学习笔记,这个笔记以例子为主. 开发工具:Spyder 文章目录 Pandas透视表 Pandas交叉表 Pandas透视表透视表(pivot table)是各种电子表格程序和其他数据分析软件中一种 ...
pandas -----变形（透视表、melt、stack、unstack），哑变量与因子变化
目录导入数据 1. 透视表 1. 1 pivot 1.2. pivot_table 1.3 crosstab(交叉表) 2.其他变形方法 2.1. melt 2.2. 压缩与展开 3.哑变量与因子化 ...
Python Pandas 数据分析工具透视表（pivot table）
数据透视表概念数据透视表是Excel中常用的工具,本片文章的重点不是认识数据透视表,所以找了一片文章,供大家参考. >>>Excel学习笔记-数据透视表透视表操作总览 df.pi ...
SQL案例学习-数据透视表
销售表数据: 通过SQL查询实现如下数据透视表: 实现SQL: SELECT COALESCE(product,'合计值') AS 产品名称, COALESCE(channel,'合计值') AS 渠 ...
excel学习-数据透视表（自动分组+手动分组+制作动态数据源）
文章目录自动分组日期自动分组数字自动分组手动分组数字手动分组组合结果修改文本手动分组制作动态数据源数据修改,数量不变数据数量变化自动分组日期自动分组数字自动分组手动分组数 ...
【Python】开启Pandas进阶：图解Pandas透视表、交叉表
一.图解Pandas透视表.交叉表终于开始Pandas进阶内容的写作了.相信很多人都应该知道透视表,在Excel会经常去制作它,来实现数据的分组汇总统计.在Pandas中,我们把它称之为pivot_ ...

pandas学习之透视表

pandas学习之透视表相关推荐

最新文章

热门文章