在處理數據時，經常需要對數據分組計算均值或者計數，在Microsoft Excel中，可以通過透視表輕易實現簡單的分組運算。而對于更加復雜的分組運算，Python中pandas包可以幫助我們實現。
1 數據
首先引入幾個重要的包：
import pandas as pdimport numpy as npfrom pandas import DataFrame,Series
通過代碼構造數據集：
data=DataFrame({'key1':['a','b','c','a','c','a','b','a','c','a','b','c'],'key2':['one','two','three','two','one','one','three','one','two','three','one','two'],'num1':np.random.rand(12),'num2':np.random.randn(12)})得到數據集如下：
data key1 key2 num1 num20 a one 0.268705 0.0840911 b two 0.876707 0.2177942 c three 0.229999 0.5744023 a two 0.707990 -1.4444154 c one 0.786064 0.3432445 a one 0.587273 1.2123916 b three 0.927396 1.5053727 a one 0.295271 -0.4976338 c two 0.292721 0.0988149 a three 0.369788 -1.157426
2 交叉表—分類計數
按照不同類進行計數統計是最常見透視功能，可以通
（1）crosstab
#函數：crosstab(index, columns, values=None, rownames=None, colnames=None, aggfunc=None, margins=False, dropna=True, normalize=False)
crosstab的index和columns是必須要指定復制的參數：
pd.crosstab(data.key1,data.key2)
結果如下：
key2 one three twokey1 a 3 1 1b 0 1 1c 1 1 1
想要在邊框處增加匯總項可以指定margin的值為True：
pd.crosstab(data.key1,data.key2,margins=True)
結果：
key2 one three two Allkey1 a 3 1 1 5b 1 1 1 3c 1 1 2 4All 5 3 4 12
（2）pivot_table
函數：
pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')
使用pivot_table函數同樣可以實現，運算函數默認值aggfunc='mean',指定為aggfunc='count'即可：
data.pivot_table('num1',index='key1',columns='key2',aggfunc='count')結果相同：
key2 one three twokey1 a 3 1 1b 1 1 1c 1 1 2
（3）groupby
通過groupby相對來說會更加復雜，首先需要對data按照key1和key2進行聚類，然后進行count運算，再將key2的index重塑為columns：
data.groupby(['key1','key2'])['num1'].count().unstack()
結果：
key2 one three twokey1 a 3 1 1b 1 1 1c 1 1 2
3 其它透視表運算
（1）pivot_table
pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')
要進行何種運算，只需要指定aggfunc即可。
默認計算均值：
data.pivot_table(index='key1',columns='key2')
out：
num1 num2 key2 one three two one three twokey1 a 0.193332 0.705657 0.203155 -0.165749 2.398164 -1.293595b 0.167947 0.204545 0.661460 0.555850 -0.522528 0.143530c 0.496993 0.033673 0.206028 -0.115093 0.024650 0.077726
分類匯總呢并求和：
data.pivot_table(index='key1',columns='key2',aggfunc='sum')
結果：
num1 num2 key2 one three two one three twokey1 a 0.579996 0.705657 0.203155 -0.497246 2.398164 -1.293595b 0.167947 0.204545 0.661460 0.555850 -0.522528 0.143530c 0.496993 0.033673 0.412055 -0.115093 0.024650 0.155452
也可以使用其它自定義函數：
#定義一個最大值減最小值的函數def max_min (group): return group.max()-group.min()
data.pivot_table(index='key1',columns='key2',aggfunc=max_min)
結果：
num1 num2 key2 one three two one three twokey1 a 0.179266 0.0 0.000 3.109405 0.0 0.000000b 0.000000 0.0 0.000 0.000000 0.0 0.000000c 0.000000 0.0 0.177 0.000000 0.0 1.609466
（2）通過groupby
普通的函數如mean，sum可以直接應用：
data.groupby(['key1','key2']).mean().unstack()
返回結果：
num1 num2 key2 one three two one three twokey1 a 0.193332 0.705657 0.203155 -0.165749 2.398164 -1.293595b 0.167947 0.204545 0.661460 0.555850 -0.522528 0.143530c 0.496993 0.033673 0.206028 -0.115093 0.024650 0.077726
以上這篇用Python實現數據的透視表的方法就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持VEVB武林網。
新聞熱點
疑難解答
