一文了解python 透视图（pandas.pivot_table）

先上图：pandas piviot_table cheet sheet
or：

先初略的了解透视图是用来干什么的，一句话：pivot_table 最大的意义便是将数据分组表示并进行聚合运算（结合上面的图来看）。如果你了解pandas的 groupby ，那你会发现他们基本是相通的。

下面是正片：

pivot_table的参数理解

Signature:
pd.pivot_table(
    data,
    values=None,
    index=None,
    columns=None,
    aggfunc='mean',
    fill_value=None,
    margins=False,
    dropna=True,
    margins_name='All',
    observed=False,
)
Docstring:
Create a spreadsheet-style pivot table as a DataFrame. The levels in
the pivot table will be stored in MultiIndex objects (hierarchical
indexes) on the index and columns of the result DataFrame.

文档中已经说明，pd.pivot_table会生成一个类型为DataFrame的透视表。同时，表中的数据会以多索引和多列的结果表现在这个DataFrame中。

pivot_table 中四个最重要的参数是 index、values、columns、aggfunc：

• data：DataFrame 格式

• values：column to aggregate, optional，用来聚合计算的列（可选），也即对我们需要的数据进行筛选

• index： Keys to group by on the pivot table index，按照行索引来分组的对象，每个pivot_table 必须拥有一个index，还可以用列表传入多个，形成多层索引

• columns： Keys to group by on the pivot table column，按照列索引来分组的的对象，可以用列表传入多个，形成类似index的多层次字段，是非必要参数

• aggfunc：用来聚合计算的函数，默认aggfunc='mean'。还可以以字典的方式，为不同的列分别自定义不同的聚合函数

• fill_value：Value to replace missing values with，用来替换缺失值的值，默认为None

• margins：Add all row / columns，添加分项小计，即添加标签为ALL的行和列

pivot 与 groupby

pd.pivot_table(df,index=[字段1],values=[字段2],aggfunc=[函数],fill_value=0)

df.groupby([字段1])[字段2].agg(函数).fillna(0)

上面两个函数完全等价，pivot_table仿佛是加入了columns与margin功能的groupby函数，比groupby更加灵活。

其它

查看

可以使用table.query()去表格中查找某一项数据：
参考：

table.query('对手 == ["灰熊"]')

可视化

参考：

%matplotlib inline
import matplotlib.pyplot as plt
import seaborn as sns
# 使用Seaborn 
sns.set()  

pd.pivot_table(data, index= 'Region', columns= 'Year', values= "Happiness Score").plot(kind= 'bar')
plt.ylabel("Happiness Rank")

保存

参考：

save_file = "./titanic_analysis.xlsx"
with pd.ExcelWriter(save_file) as writer: 
    table.to_excel(writer, sheet_name='汇总-演示', encoding="utf-8")
    table1.to_excel(writer, sheet_name='自定义聚合函数-演示', encoding="utf-8")

参考：

1. 玩转Pandas透视表
2. Pandas | 一文看懂透视表pivot_table