pandas.DataFrame.pivot_table

pandas.DataFrame.pivot_table创建一个pivot table。以DataFrame中的某一列或某几列分别作为index和columns，构造一个新的DataFrame。

Parameter：

• values：column to aggregate, optional
• index：column, Grouper, array, or list of the previous
• columns：column, Grouper, array, or list of the previous
• aggfunc：function, list of functions, dict, default numpy.mean
• fill_value：scalar, default None. Value to replace missing values with
• margins：boolean, default False. Add all row / columns (e.g. for subtotal / grand totals)
• margins_name： string, default ‘All’. Name of the row / column that will contain the totals when margins is True.

下面是一个电影评分的例子：

userId、movie和raing分别表示用户Id、电影和评分，例如，第0行表示Id为1的用户对电影m1评分是3，但是这样的表格看起来比较混乱，尤其是当userId和movie乱序时，我们可以将它转化为index为用户Id，columns为电影的表格：

import pandas as pd
import numpy as np


data = {'userId': [1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3],
        'movie': ['m1', 'm2', 'm3', 'm4', 'm5',
                  'm1', 'm2', 'm3', 'm4', 'm5',
                  'm1', 'm2', 'm3', 'm4', 'm5'],
        'rating': [3, 4, 5, 4, 4, 2, 3, 5, 3, 4, 3, 2, 3, 4, 5]}
df = pd.DataFrame(data)
df_utility = df.pivot_table(values='rating', index='userId', columns='movie',
                            aggfunc=np.sum, margins=False)

df_utility:

这样以来，用户对电影的评分就一目了然了。上面表格中的每一行表示一位用户对所有电影的评分，每一列表示所有用户对一部电影的评分。
把参数margins改为True后：

import pandas as pd
import numpy as np


data = {'userId': [1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3],
        'movie': ['m1', 'm2', 'm3', 'm4', 'm5',
                  'm1', 'm2', 'm3', 'm4', 'm5',
                  'm1', 'm2', 'm3', 'm4', 'm5'],
        'rating': [3, 4, 5, 4, 4, 2, 3, 5, 3, 4, 3, 2, 3, 4, 5]}
df = pd.DataFrame(data)
df_utility = df.pivot_table(values='rating', index='userId', columns='movie',
                            aggfunc=np.sum, margins=True)

df_utility: