数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理
化学
生物
数学
英语
经济学
心理学
社会学
服装学
法学如何使用 Pandas 在 Python 中创建透视表？
透视表是一个强大的数据分析工具，允许您根据不同的维度汇总和聚合数据。在 Python 中，您可以使用 pandas 库创建透视表，该库提供了灵活且高效的数据处理和分析工具。
要在 pandas 中创建透视表，您首先需要在 pandas DataFrame 中拥有一个数据集。您可以从各种来源（例如 CSV 文件、Excel 电子表格、SQL 数据库等）将数据加载到 DataFrame 中。
一旦您的数据在 DataFrame 中，您可以使用 pandas 的 `pivot_table()` 函数创建透视表。以下是其语法：
dataframe.pivot(self, index=None, columns=None, values=None, aggfunc)
`pivot_table()` 函数接受多个参数，包括要使用的 DataFrame、索引列、用作透视表列的列以及要聚合的值列。您还可以指定要使用的聚合函数，例如 sum、mean、max、min 等。
在我们深入研究 pivot 和 `pivot_table()` 函数之前，让我们首先创建一个我们将要使用的 DataFrame。
Pandas 中的 DataFrame
在 pandas 中，DataFrame 是一种二维带标签的数据结构，其列可能具有不同的类型。它是 pandas 中用于数据处理和分析的主要数据结构。
DataFrame 可以看作是电子表格或 SQL 表，具有行和列。它允许轻松处理和操作数据，包括索引、选择、过滤、合并和分组。
考虑以下代码。此代码使用 Python 字典创建了一个名为 df 的 DataFrame 对象，其中包含四列：“产品”、“类别”、“数量”和“金额”。字典的每个键对应于列的名称，其值是包含该列值的列表。
示例
# importing pandas library
import pandas as pd
# creating a dataframe from a dictionary
# creating a column 'Product', 'Category', 'Quantity','Amount' with its values
df = pd.DataFrame({
'Product': ['Litchi', 'Broccoli', 'Banana', 'Banana', 'Beans', 'Orange', 'Mango', 'Banana'],
'Category': ['Fruit', 'Vegetable', 'Fruit', 'Fruit', 'Vegetable', 'Fruit', 'Fruit', 'Fruit'],
'Quantity': [8, 5, 3, 4, 5, 9, 11, 8],
'Amount': [270, 239, 617, 384, 626, 610, 62, 90]
})
# print the dataframe
print(df)
输出
执行此代码时，它将在终端上产生以下输出：
Product Category Quantity Amount 0 Litchi Fruit 8 270 1 Broccoli Vegetable 5 239 2 Banana Fruit 3 617 3 Banana Fruit 4 384 4 Beans Vegetable 5 626 5 Orange Fruit 9 610 6 Mango Fruit 11 62 7 Banana Fruit 8 90
使用 Pandas 创建透视表
现在让我们使用 `pivot_table()` 函数创建一个总销售额的透视表。考虑以下代码。
示例
# importing pandas library
import pandas as pd
# creating a dataframe from a dictionary
# creating a column 'Product', 'Category', 'Quantity','Amount' with its values
df = pd.DataFrame({
'Product': ['Litchi', 'Broccoli', 'Banana', 'Banana', 'Beans', 'Orange', 'Mango', 'Banana'],
'Category': ['Fruit', 'Vegetable', 'Fruit', 'Fruit', 'Vegetable', 'Fruit', 'Fruit', 'Fruit'],
'Quantity': [8, 5, 3, 4, 5, 9, 11, 8],
'Amount': [270, 239, 617, 384, 626, 610, 62, 90]
})
# creating pivot table of total sales
# product-wise
pivot = df.pivot_table(index =['Product'], values =['Amount'], aggfunc ='sum')
print(pivot)
# print the dataframe
print(df)
解释
它创建了一个名为 df 的 DataFrame 对象，其中包含四列：“产品”、“类别”、“数量”和“金额”。每一列都有自己的值，它们是使用 Python 字典创建的。
之后，代码使用 `pivot_table()` 函数创建一个按产品分组的销售数据透视表，并计算每个产品的总销售额。
最后，透视表被打印到控制台以显示每个产品的总销售数据，并且原始 DataFrame 也被打印到控制台以显示生成透视表的原始数据。
输出
执行后，您将在终端上获得以下输出：
Product Amount Banana 1091 Beans 626 Broccoli 239 Litchi 270 Mango 62 Orange 610 Product Category Quantity Amount 0 Litchi Fruit 8 270 1 Broccoli Vegetable 5 239 2 Banana Fruit 3 617 3 Banana Fruit 4 384 4 Beans Vegetable 5 626 5 Orange Fruit 9 610 6 Mango Fruit 11 62 7 Banana Fruit 8 90
结论
总之，使用 pandas 库在 Python 中创建透视表是分析表格数据和提取有意义见解的强大方法。通过分组数据和计算聚合值，透视表可以帮助您识别数据中可能难以看到的模式和趋势。凭借 pandas 提供的灵活性和易用性，创建透视表从未如此简单。
按照本教程中概述的步骤，您现在应该已经掌握了在 Python 中创建和使用透视表的坚实基础。
3000+ 次浏览
