一、圖解Pandas透視表、交叉表

終于開始Pandas進(jìn)階內(nèi)容的寫作了。相信很多人都應(yīng)該知道透視表，在Excel會(huì)經(jīng)常去制作它，來實(shí)現(xiàn)數(shù)據(jù)的分組匯總統(tǒng)計(jì)。在Pandas中，我們把它稱之為pivot_table。

透視表的制作靈活性高，可以隨意定制我們想要的的計(jì)算統(tǒng)計(jì)要求，一般在制作報(bào)表神器的時(shí)候常用。

下面通過具體的例子來對(duì)比Excel和Pandas中透視表的實(shí)現(xiàn)方法。

二、Excel透視表

下面是在Excel表格中使用消費(fèi)數(shù)據(jù)制作的透視表（部分?jǐn)?shù)據(jù)截圖），我們統(tǒng)計(jì)的是不同性別不同日期下的消費(fèi)金額和小費(fèi)，同時(shí)還顯示了總計(jì)的數(shù)據(jù)。

那如果是使用pandas該如何來實(shí)現(xiàn)呢？？？

三、透視表參數(shù)

pandas中實(shí)現(xiàn)透視表使用的是：pandas.pivot_table 

pd.pivot_table(data,  # 制作透視表的數(shù)據(jù)  
               values=None,  # 值  
               index=None,  # 行索引  
               columns=None,  # 列屬性  
               aggfunc='mean',   # 使用的函數(shù)，默認(rèn)是均值  
               fill_value=None,  # 缺失值填充  
               margins=False, # 是否顯示總計(jì)  
               dropna=True,   # 缺失值處理  
               margins_name='All', # 總計(jì)顯示為All  
               observed=False,    
               sort=True  # 排序功能  版本1.3.0才有  
              ) 

最重要的參數(shù)還是：values、index、columns、aggfunce，甚至包含margins、margins_name

附上官網(wǎng)學(xué)習(xí)地址：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.pivot_table.html

四、透視表參數(shù)詳解

4.1參數(shù)index

index表示的是我們生成透視表指定的行索引

1、單層索引

2、多層行索引

4.2參數(shù)values

在上面index參數(shù)的使用中，我們沒有指定values參數(shù)，pandas會(huì)默認(rèn)將全部的數(shù)值型數(shù)據(jù)進(jìn)行透視表的計(jì)算，現(xiàn)在指定參數(shù)計(jì)算的數(shù)據(jù)：

•  帶上values，只會(huì)顯示我們指定的數(shù)據(jù)
•  不帶上values，數(shù)值型的數(shù)據(jù)匯總結(jié)果全部顯示

4.3參數(shù)columns

columns是一個(gè)顯示列屬性信息的參數(shù)

如果我們將day放在index參數(shù)中，會(huì)是什么樣子呢？

相當(dāng)于是：將上面的寬表格式轉(zhuǎn)成了下面的長(zhǎng)表格式

再對(duì)比下兩種不同的形式：

4.4參數(shù)aggfunc

aggfunc是一個(gè)很靈活的參數(shù)，它是用來指定我們匯總想用哪種函數(shù)，默認(rèn)是均值mean，我們也可以使用求和sum、最值max等。多個(gè)函數(shù)需要放在一個(gè)列表中。

我們將默認(rèn)求平均mean的情況與求和的情況進(jìn)行對(duì)比：

均值和sum求和之間的關(guān)系：

我們可以在aggfunc函數(shù)中指定多個(gè)函數(shù)，將這些函數(shù)放在同一個(gè)列表中：

•  求和：np.sum
•  求均值：mean
•  求個(gè)數(shù)：size

再看一個(gè)例子：

4.5參數(shù)margins、margins_name

這兩個(gè)參數(shù)的作用是對(duì)透視表中的分組數(shù)據(jù)進(jìn)行匯總顯示。需要注意的是：只有margins=True，參數(shù)margins_name的設(shè)置才會(huì)生效。

修改匯總顯示的名字：

如果有列字段，也會(huì)顯示匯總的數(shù)據(jù)：

五、交叉表crosstab

交叉表可以理解成一種特殊的透視表，專門用于計(jì)算分組的頻率。

5.1參數(shù)

交叉表中每個(gè)參數(shù)的解釋，很多還是和透視表相同的： 

pandas.crosstab(index, # 行索引，必須是數(shù)組結(jié)構(gòu)數(shù)據(jù)，或者Series，或者是二者的列表形式  
                columns, # 列字段；數(shù)據(jù)要求同上  
                values=None,  # 待透視的數(shù)據(jù)  
                rownames=None,  # 行列名字  
                colnames=None,    
                aggfunc=None,  # 透視的函數(shù)  
                margins=False,  # 匯總及名稱設(shè)置  
                margins_name='All',   
                dropna=True, # 舍棄缺失值  
                normalize=False  # 數(shù)據(jù)歸一化；可以是布爾值、all、index、columns、或者{0,1}  
               ) 

對(duì)最后一個(gè)參數(shù)的解釋：如何選擇歸一化的標(biāo)準(zhǔn)

•  If passed ‘all’ or True, will normalize over all values：使用all，對(duì)全部的數(shù)值型數(shù)據(jù)歸一化
•  If passed ‘index’ will normalize over each row：使用index，僅在行上歸一化
•  If passed ‘columns’ will normalize over each column：使用columns，僅在列上歸一化
•  If margins is True, will also normalize margin values：如果margins=True，總計(jì)值也會(huì)參與歸一化

5.2參數(shù)使用

當(dāng)然，有時(shí)候透視表和交叉表是可以實(shí)現(xiàn)相同的功能：

六、groupby實(shí)現(xiàn)

其實(shí)透視表或者交叉表的本質(zhì)還是分組匯總統(tǒng)計(jì)結(jié)果，我們也可以利用groupby來實(shí)現(xiàn)：

1、先分組統(tǒng)計(jì)

2、軸旋轉(zhuǎn)unstack

上面的結(jié)果格式上不是很友好，使用的是多層次索引，我們使用軸旋轉(zhuǎn)函數(shù)unstack將行轉(zhuǎn)成列：

七、groupby和透視表比較

最后再用一個(gè)例子來比較下groupby和透視表：

八、備忘錄

這個(gè)網(wǎng)上非常流行的一張圖解Pandas透視表函數(shù)的圖形，它利用一份簡(jiǎn)單的數(shù)據(jù)，清晰明了地講解了pivot_table函數(shù)的每個(gè)參數(shù)的含義，保存?zhèn)溆茫?/p>

網(wǎng)絡(luò)圖