Pandas数据透视表之pivot_table

数据源：https://www.kaggle.com/mjbahmani/machine-learning-workflow-for-house-prices/data

1、pivot_table定义

df.pivot_table(values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')
参数解析:
values：数据透视表中的要计算的列值；                                                                                                                                    
index：数据表中的行（索引）；
columns：数据表中的列；
aggfunc：统计函数（np.sum,len,min,max）
fill_value：默认NA作为空值 （也可以设置：fill_value=0）
margins：汇总（默认是False）；

2、数据加载

3、pivot_table由简入繁：

若是aggfunc不定义的话，默认结果为-数值变量的——平均值。

1）index="SaleCondition"

2）缺columns

3、index、columns、values、总计齐全

pd.pivot_table(df,index=["Ship_Mode",'Category'],values=['Profit','Sales'],columns='Sales_area',margins=True,aggfunc=np.sum,margins_name='总计')

4、多个同级索引

sales=pd.pivot_table(df,index=['Sales_area',"Segment"],columns="Ship_Mode",values=["Quantity","Sales"],aggfunc=len,margins=True)
area=pd.pivot_table(df,index=['Segment','Category'],columns="Ship_Mode",values=["Quantity","Sales"],aggfunc=len,margins=True)
pd.concat([sales,area],axis=0)