1 基本使用方法

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

2 主要参数

data	DataFrame
values	要进行聚合的列
index	在数据透视表索引（index）上进行分组的键
columns	在数据透视表列（column）上进行分组的键
agg_func	聚合方式
fill_value	缺省值的填充方式，默认为NAN
margins	默认为False，设置为True之后，会计算一个总的value值

3 使用方法

3.0 导入数据

import pandas as pd
# Visual Python: Data Analysis > File
vp_df = pd.read_csv('https://raw.githubusercontent.com/visualpython/visualpython/main/visualpython/data/sample_csv/tips.csv')import seaborn as sns
import numpy as np
vp_df.head()

3.1 基本使用

vp_df.pivot_table(index='day',columns='time',values='total_bill')

 

 3.2 index

• aggfunc默认按平均值聚合，values默认只显示可以按平均值聚合的数据

index为一列名字的效果如3.1所示，多列的话，效果如下

vp_df.pivot_table(index=['day','size'],columns='time',values='total_bill')

 顺序不同，效果也不同

 3.3 values

筛选需要显示的列

values 中一个元素的结果和3.1一样，如果是多个元素，那就是一个value的透视表之后接另一个：

vp_df.pivot_table(index='day',columns='time',values=['total_bill','size'])

 3.4 columns

列索引

columns中一个元素的结果和3.1一样，如果是多个元素，那就是

vp_df.pivot_table(index='day',columns=['time','size'],values='total_bill')

3.5 aggfunc

聚合方式，默认为求平均

vp_df.pivot_table(index='day',columns='time',values='total_bill',aggfunc=sum)

3.5.1 不同的列不同的聚合方式

vp_df.pivot_table(index='day',columns='time',values=['total_bill','size'],aggfunc={'total_bill':sum,'size':min},margins=True)

 

 

 3.5 fill_value

vp_df.pivot_table(index='day',columns='time',values='total_bill',fill_value='Not a Num')

 

 3.6 margins

vp_df.pivot_table(index='day',columns='time',values='total_bill',aggfunc=sum,margins=True)