python入门——Pandas透视表(pivot_table)
透视表是一种可以对数据动态排布并且分类汇总的表格格式。pivot_table是pandas中数据透视表的函数。
官方文档关于pivot_table函数体的介绍：
pandas.pivot_table — pandas 1.5.1 documentation
pivot_table的官方定义如下所示：
pandas.pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All', observed=False, sort=True)
看一下参数主要的作用：
data:DataFrame
values:被计算的数据项，设定需要被聚合操作的列（需要显示的列）
index:每个pivot_table必须拥有一个index,必选参数，设定数据的行索引，可以设置多层索引，多次索引时按照需求确定索引顺序。
columns:必选参数，设定列索引，用来显示字符型数据，和fill_value搭配使用。
Aggfunc:聚合函数， pivot_table后新dataframe的值都会通过aggfunc进行运算。默认numpy.mean求平均。
fill_values:填充NA值（设定缺省值）。默认不填充，可以指定。
margins：添加行列的总计，默认FALSE不显示。TRUE显示。
dropna：如果整行都为NA值，则进行丢弃，默认TRUE丢弃。FALSE时，被保留。
margins_name：margins = True 时，设定margins 行/列的名称。'all' 默认值
接下来用泰塔尼克号数据做一个简单的实践。
数据来自：Titanic - Machine Learning from Disaster | Kaggle
首先导入numpy和pandas库
import numpy as np
import pandas as pd其次读取文件
data = pd.read_csv(r"D:\A USTC\CSDN\kaggle\Titanic - Machine Learning from Disaster\train.csv") 可以通过data直接看一下读取的文件
接着实践一下各个参数的作用。
- index
#index：按Pclass进行索引，aggfunc默认按平均值聚合，values默认只显示可以按平均值聚合的列
data.pivot_table(index = 'Pclass') 可以看到聚合之后的结果：对于非整型和浮点型等不可以按平均值聚合的数据没有显示
我们也可以通过dtypes看一下每一列的类型
#index可以进行多层索引,比如先按舱位后按性别索引
data.pivot_table(index = ['Pclass','Sex']) 
#index索引注意顺序不同达到目标不同
data.pivot_table(index = ['Sex','Pclass']) 
- values
#values:筛选需要显示的列，这里显示Survived列，因此我们可以看到不同等级舱位的平均生存率
data.pivot_table(index = 'Pclass',values='Survived') 
- Columns
#columns:列索引,统计不同等级舱位男性和女性的平均生存率，列索引为Sex
data.pivot_table(index = 'Pclass',columns='Sex',values='Survived') 
#columns可以对字符串数据设定列索引，比如这里的Embarked
data.pivot_table(index = 'Pclass',columns='Embarked',values='Survived') 
- aggfunc
#aggfunc:聚合方式,比如下面把name列按len聚合
data.pivot_table(index = 'Pclass',aggfunc={'Name':len}) 
#甚至可以把name列按sum聚合查看不同舱位的乘客姓名
data.pivot_table(index = 'Pclass',aggfunc={'Name':sum}) 
- fill_value
#先看一下不用fill_value不设定缺省值的情况,空值显示的是NAN
data.pivot_table(columns='Cabin') 
#fill_value:设定缺省值为0后，NAN替代为0
data.pivot_table(columns='Cabin',fill_value=0) 
- margins
#margins=True,true会添加行/列的总计,可以看到最后有个all行
#默认FALSE。columns对应右侧的总计，index对应底部的总计。
data.pivot_table(index = 'Pclass',columns='Sex',margins=True) 
比较常用的参数介绍完之后，我们看一下两个小的plus。
#plus1：得到不同年龄段的生存概率，未成年和成年
age = pd.cut(data['Age'], [0, 18, 80])
data.pivot_table(values='Survived', index=['Sex', age],columns= 'Pclass')
#这样就得到了不同性别、年龄组、舱位等级的乘客的生存率
#plus2：不同列采用不同聚合方式
data.pivot_table(columns='Sex', index='Pclass',aggfunc={'Survived':sum, 'Fare':'mean'})