pandas交叉表与透视表pd.crosstab()和pd.pivot_table()函数详解

一、交叉表

• 交叉表：用于计算一列数据对于另外一列数据的分组个数(用于统计分组频率的特殊透视表)，pd.crosstab(value1, value2)
• pandas.crosstab(index, columns, values=None, rownames=None, colnames=None, aggfunc=None, margins=False, margins_name='All', dropna=True, normalize=False)：计算两个（或多个）因子的简单交叉制表。 默认情况下， 计算因子的频率表，除非传递值数组和聚合函数
  • index：类似数组、系列或数组/系列值的列表，行中分组依据的值
  • columns：类似数组、系列或数组/系列值的列表，列中要作为分组依据的值
  • values：类似数组，可选，要根据因素聚合的值数组，需要指定 aggfunc
  • rownames：序列，默认 None ，如果传递，必须匹配传递的行数组的数量
  • colnames：序列，默认 None ，如果传递，必须匹配传递的列数组的数量
  • aggfunc：function，可选，如果指定，则还需要指定值
  • margins：bool, 默认False 添加行/列边距（小计）
  • margins_name：str，默认为“All”，当边距为 True 时将包含总计的行/列的名称
  • dropna：bool, 默认为True，不包含条目均为 NaN 的列
  • normalize：bool, {‘all’, ‘index’, ‘columns’}, or {0,1}, 默认为False，通过将所有值除以值的总和来归一化
    • “all”或 True：将对所有值进行归一化
    • index：将对每一行进行归一化
    • columns：将对每一列进行归一化
    • 若margins 为 True，也将标准化边距值
  • 返回：数据的 DataFrame 交叉表

传递的任何 Series 都将使用其名称属性，除非指定了交叉表的行或列名称。传递的任何包含分类数据的输入都将在交叉表中包含其所有类别，即使实际数据不包含特定类别的任何实例也是如此。如果没有重叠索引，将返回一个空的 DataFrame

a = np.array(["foo", "foo", "foo", "foo", "bar", "bar", "bar", "bar", "foo", "foo", "foo"], dtype=object)
b = np.array(["one", "one", "one", "two", "one", "one", "one", "two", "two", "two", "one"], dtype=object)
c = np.array(["dull", "dull", "shiny", "dull", "dull", "shiny", "shiny", "dull", "shiny", "shiny", "dull"], dtype=object)
pd.crosstab(a, [b, c], rownames=['a'], colnames=['b', 'c'])   
-----------------------------------------------------------------------------------------
# 算数运算，先求和
sum = count.sum(axis=1)
sum
-------------------------------------
# 进行相除操作，得出比例
pro = count.div(sum, axis=0)
pro
-------------------------------------
import matplotlib.pyplot as plt
pro.plot(kind='bar', stacked=True)
plt.show()

二、透视表

• 透视表：透视表是将原有的DataFrame的列分别作为行索引和列索引，然后对指定的列应用聚集函数，是一种可以对数据动态排布并且分类汇总的表格格式
• DataFrame.pivot_table(values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All', observed=False, sort=True)：创建一个电子表格样式的数据透视表作为 DataFrame。数据透视表中的级别将存储在结果 DataFrame 的索引和列上的 MultiIndex 对象（分层索引）中
  • values：要聚合的列，可选，默认对所有列操作
  • index：column, Grouper, array, or list of the previous 如果传递数组，它必须与数据的长度相同。该列表可以包含任何其他类型（列表除外）。在数据透视表索引上分组的键。如果传递一个数组，它的使用方式与列值相同
  • column：column, Grouper, array, or list of the previous 如果传递一个数组，它必须和数据一样长。该列表可以包含任何其他类型（列表除外）。在数据透视表列上分组的键。如果传递一个数组，它的使用方式与列值相同
  • aggfunc：function, list of functions, dict, 默认为numpy.mean 如果传递函数列表，则生成的数据透视表将具有分层列，其顶层是函数名称（从函数对象本身推断）如果传递dict，则键是列聚合和值是函数或函数列表
  • fill_value：scalar，默认 None 用于替换缺失值的值（在聚合后的结果数据透视表中）
  • margins：bool, 默认False 添加所有行/列（例如小计/总计）
  • dropna：bool, 默认为True，不包含条目均为 NaN 的列。如果为 True，则在计算边距之前将忽略任何列中具有 NaN 值的行
  • margins_name：str，默认为“All” 当边距为 True 时将包含总计的行/列的名称
  • observed：bool，默认为 False 这仅适用于任何groupers 是分类的。若为True：仅显示分类groupers 的观察值。否则显示分类groupers 的所有值。​​​​​
  • sort：bool, default True 指定结果是否应该排序
  • 返回 DataFrame：Excel 样式的数据透视表

代码如下

df = pd.DataFrame({"A": ["aaa", "aaa", "aaa", "aaa", "aaa","aa", "aa", "aa"],
                   "B": ["bbb", "bbb", "bbb", "bb", "bb", "bbb", "bbb", "bb"],
                   "C": ["small", "large", "large", "small","small", "large", "small", "small"],
                   "D": [1, 2, 2, 3, 3, 4, 5, 6],
                   "E": [2, 4, 5, 5, 6, 6, 8, 9]})
df
---------------------------------------------------------------------------------------
pd.pivot_table(df, values='D', index=['A', 'B'], columns=['C'], aggfunc=np.sum)   # 通过求和来聚合值

pd.pivot_table(df, values='D', index=['A', 'B'], columns=['C'], aggfunc=np.sum, fill_value=0)   # 可以使用fill_value参数填充缺失的值

pd.pivot_table(df, values=['D', 'E'], index=['A', 'C'], aggfunc={'D': np.mean, 'E': np.mean})   # 通过对多个列取平均值进行聚合

pd.pivot_table(df, values=['D', 'E'], index=['A', 'C'], aggfunc={'D': np.mean, 'E': [min, max, np.mean]})   # 可以为任何给定值列计算多种类型的聚合

操作演示如下

 学习导航：http://xqnav.top/