Welcome to pandas!

7.11 数据透视表的聚合处理

Excel中有透视表工具，在Pandas中同样也提供了一个电子表格样式的数据透视表函数，pivot_table()函数的功能也有强大的数据汇总能力，该函数有pd.pivot_table()和df.pivot_table()两种形式，区别在于pd.pivot_table()函数需要在函数中提供data参数，也就是数据源，而df.pivot_table()函数中的df已提供了数据源，所以不数提供，结构如下：

pd.pivot_table(data,values=None,index=None,columns=None,aggfunc=”mean”,fill_value=None,margins=False,drona=True,margins=”All”,observed=False)

data:提供数据源

values:提供要汇总的列名，如果是多列名，则写在列表中；

index:在数据透视表行索引上进行分组的列名，如果是多个列名则写在列表中，如果传递数组，则其长度必须与data参数提供的表格数据长度相同，该列表可以包含任何其他类型（列表除外）

columns:在数据透视表索引上进行分组的列名，该参数特性与index相同

aggfunc:提供做聚合的方式，可以是函数、列表、字典，默认为numpy.mean(平均)

fill_value:替换缺失值的值（数据透视表缺失值的处理）

margins:添加所有行/列，例如，小计/总计

dropna:将所有条目为NaN的列删除

import pandas as pd

df=pd.read_excel(r "D:\Pyobject2023\object\测试\素材\1.7.11 数据透视表的聚合处理.xlsx" )

print (df)

t=df.pivot_table(

values=[ "语文","数学" ],

index=[ "班级","贯籍" ],

aggfunc=[ "sum","mean" ]

)

print (t)

返回：

import pandas as pd

df=pd.read_excel(r "D:\Pyobject2023\object\测试\素材\1.7.11 数据透视表的聚合处理1.xlsx" )

print (df)

t=df.pivot_table(

values= "收入" ,

columns=df.财务日期.dt.month,

index= "产品大类" ,

aggfunc= "sum" ,

fill_value= "0"

)

print (t)

返回：

[9292 rows x 6 columns]

import pandas as pd

df=pd.read_excel(r "D:\Pyobject2023\object\测试\素材\1.7.11 数据透视表的聚合处理1.xlsx")

print (df)

t=df.pivot_table(

values= "收入" ,

# columns=df.财务日期.dt.month, # 经过处理的日期是不可能的

columns= "细分市场" ,

index= "产品大类" ,

aggfunc= "sum" ,

fill_value= "0" ,

margins =True,

margins_name= "总计"

)

print (t)

返回：