python做数据透视表_利用Python进行数据分组/数据透视表

1.数据分组

源数据表如下所示：

1.1 分组键是列名

分组键是列名时直接将某一列或多列的列名传给groupby()方法，groupby()方法就会按照这一列或多列进行分组。按照一列进行分组

import pandas as pd

df = pd.DataFrame(pd.read_excel("Client_Data.xlsx"))

print(df)

#按照客户分类对数据进行分组

print (df.groupby("客户分类").count())

根据客户分类对所有数据进行分组，然后对分组以后的数据分别进行计数运算，最后进行合并，如下：

源数据展示及按客户分类的结果按照多列进行分组

import pandas as pd

df = pd.DataFrame(pd.read_excel("Client_Data.xlsx"))

print(df)

#按照多列对数据进行分组

print (df.groupby(["客户分类","区域"]).count())

执行结果如图：

按照多列对数据进行分组

1.2 分组键是Series

把DataFrame的其中一列取出来就是一个Series，比如df["客户分类"]就是一个Series。

分组键是列名与分组键是Series的唯一区别就是，给groupby()方法传入了什么，其他都一样。可以按照一个或多个Series进行分组，分组以后的汇总计算也是完全一样的，也支持对分组以后的某些列进行汇总计算。

#按单个Series进行分组

print (df.groupby(df["客户分类"]).count())

#按单个Series进行分组

print (df.groupby(df["客户分类"],df["区域"]).count())

1.3 神奇的aggregate方法

aggregate的第一个神奇之处在于，一次可以使用多种汇总方式，比如下面的例子先对分组后的所有列做计数汇总运算，然后对所有列做求和汇总运算。

import pandas as pd

df = pd.DataFrame(pd.read_excel("Client_Data.xlsx"))

#对数据进行计数汇总与求和汇总运算

print(df.groupby("客户分类").aggregate(["count","sum"]))

对数据进行计数汇总与求和汇总运算

aggregate的第二个神奇之处在于，可以针对不同的列做不同的汇总运算，比如，想看不同类别的用户有多少，那么对用户ID进行计数；想看不同类别的用户在7/8/9的销量，则需要对销量进行求和。

import pandas as pd

df = pd.DataFrame(pd.read_excel("Client_Data.xlsx"))

print(df.groupby("客户分类").aggregate({"用户ID":"count","7月销量":"sum","8月销量":"sum","9月销量":"sum"}))

对不同的列做不同的汇总运算

1.4 对分组后的结果重置索引

为了便于对分组结果进行进一步处理和分析，需要把非标准形式转化为标准的DataFrame形式，利用的方法就是重置索引reset_index()方法。

import pandas as pd

df = pd.DataFrame(pd.read_excel("Client_Data.xlsx"))

print(df.groupby("客户分类").count())

#利用reset_index()重置索引

print(df.groupby("客户分类").count().reset_index())

利用reset_index()重置索引

2.数据透视表

Python中的数据透视表用到的是pivot_table()方法，其全部参数如下：

pd.pivot_table(data,values=None,index=None,columns=None,aggfunc='mean',fill_value=None,margins=False,dropna==True,margins_name='All')

#data：表示要做数据透视表的整个表

#values：对应excel中值那个框

#index：对应excel中行那个框

#columns：对应excel中列那个框

#aggfunc：表示对values的计算类型

#fill_value：表示对空值的填充值

#margins：表示是否显示合计列

#dropna：表示是否删除缺失，如果为真时，则把一整行全作为缺失值删除

#margins_name：表示合计列的列名

实例，客户分类作为index，区域作为columns，用户ID作为values，对values执行count运算：

import pandas as pd

df = pd.DataFrame(pd.read_excel("Client_Data.xlsx"))

#客户分类作为index，区域作为columns，用户ID作为values，对values执行count运算

print(pd.pivot_table(df,values="用户ID",index="客户分类",columns="区域",aggfunc='count',margins=True))

执行结果如下：

透视表运算结果

可用margins_name对合计列名称"All"进行修改。

可用fill_value对缺失值进行填充。

可用reset_index()对透视表结果进行重置索引。

python做数据透视表_利用Python进行数据分组/数据透视表相关推荐

python做一个星座分析_利用python输出星座的方法
利用python输出星座的方法发布时间:2020-09-23 12:12:36 来源:亿速云阅读:84 作者:小新这篇文章将为大家详细讲解有关利用python输出星座的方法,小编觉得挺实用的,因 ...
python做一个小游戏_利用python做个小游戏
从本期开始,我们将利用几天的时间用python来做个小游戏,当然,在做小游戏之前,我们必须学会一个做小游戏的第三方库--pygame.可能有人会说,python不擅长或者说不适合用来做游戏,的确是这样 ...
用python做一个购物车编程_利用python实现简单的循环购物车功能示例代码
本文主要给大家介绍了关于python实现循环购物车功能的相关内容,分享出来供大家参考学习,下面来一起看看详细的介绍: 示例代码 # -*- coding: utf-8 -*- __author__ = ...
python经纬度获取县名_利用 Python 批量获取县镇运输距离
起因最近做规划项目,领导让查出某几个市的所有乡镇级行政区域,距离所在县级行政中心的交通运输距离.想着也不是啥难事儿,高德地图一搜就有. 当我把各市行政区划统计完,发现一共有五百多个乡镇,意味着要在地 ...
python怎么读取sav格式_利用Python读取外部数据文件
利用Python读取外部数据文件 [color=rgb(0, 0, 0) !important]刘顺祥 [color=rgb(0, 0, 0) !important]摘要: 不论是数据分析,数据可视化 ...
钉钉python 自动发消息软件_利用Python自动发送钉钉数据消息，一个简单的上手小项目...
现在大部分公司都使用钉钉作为内部的主要沟通工具,钉钉消息基本都上都能快速有效的被阅读,打开率会比邮件高上不少.所以准备使用钉钉来播报平台每日的成交额,并附上一些鼓励的话和图片.起到一个激励团队的作用 ...
python做大数据分析入门_独家|Python数据分析入门指南 - 大数据123 | 大数据导航网...
有一个朋友最近问到这个问题,我觉得把它公开出来对其他人也会有帮助.这是给完全不了解Python而想找到从零到一的最简单的路径的人的建议: 1. 在这里(https://www.continuum.io ...
python爬去百度文库_利用Python语言轻松爬取数据[精品文档]
利用 Python 语言轻松爬取数据对于小白来说,爬虫可能是一件非常复杂. 技术门槛很高的事情. 比如有人认为学爬虫必须精通 Python ,然后哼哧哼哧系统学习 Python 的每个知识点,很久之 ...
python删除数据库的数据完整代码_利用python操作小程序云数据库实现简单的增删改查...
不止python,你可以利用任何语言那实现通过http请求来操作你自己的小程序云数据库了背景也是在最近吧,小程序更新了云开发 HTTP API 文档,提供了小程序外访问云开发资源的能力,使用 HT ...
python爬取百度文库_利用Python语言轻松爬取数据
利用 Python 语言轻松爬取数据对于小白来说,爬虫可能是一件非常复杂. 技术门槛很高的事情. 比如有人认为学爬虫必须精通 Python ,然后哼哧哼哧系统学习 Python 的每个知识点,很久之 ...

python做数据透视表_利用Python进行数据分组/数据透视表

python做数据透视表_利用Python进行数据分组/数据透视表相关推荐

最新文章

热门文章