查看原文
其他

对比 Excel,学习 pandas 数据透视表

The following article is from 凹凸数据 Author 黄同学

Excel中做数据透视表

① 选中整个数据源;

img

② 依次点击“插入”—“数据透视表”

img

③ 选择在Excel中的哪个位置,插入数据透视表

img

④ 然后根据实际需求,从不同维度展示结果

img

⑤ 结果如下

img

pandas用pivot_table()做数据透视表

1)语法格式

pd.pivot_table(data,index=None,columns=None,
               values=None,aggfunc='mean',
               margins=False,margins_name='All',
               dropna=True,fill_value=None)

2)对比excel,说明上述参数的具体含义

img

参数说明:

  • data 相当于Excel中的"选中数据源";

  • index 相当于上述"数据透视表字段"中的行;

  • columns 相当于上述"数据透视表字段"中的列;

  • values 相当于上述"数据透视表字段"中的值;

  • aggfunc 相当于上述"结果"中的计算类型;

  • margins 相当于上述"结果"中的总计;

  • margins_name 相当于修改"总计"名,为其它名称;

下面几个参数,用的较少,记住干嘛的,等以后需要就百度。

  • dropna 表示是否删除缺失值,如果为True时,则把一整行全作为缺失值删除;
  • fill_value 表示将缺失值,用某个指定值填充。

案例说明

1)求出不同品牌下,每个月份的销售数量之和

① 在Excel中的操作结果如下

img

② 在pandas中的操作如下

df = pd.read_excel(r"C:\Users\黄伟\Desktop\pivot_table.xlsx")
display(df.sample(5))

df.insert(1,"月份",df["销售日期"].apply(lambda x:x.month))
display(df.sample(5))

df1 = pd.pivot_table(df,index="品牌",columns="月份",
                     values="销售数量",aggfunc=np.sum)
display(df1)

结果如下:

img

2)求出不同品牌下,每个地区、每个月份的销售数量之和

① 在Excel中的操作结果如下

img

② 在pandas中的操作如下

df = pd.read_excel(r"C:\Users\黄伟\Desktop\pivot_table.xlsx")
display(df.sample(5))

df.insert(1,"月份",df["销售日期"].apply(lambda x:x.month))
display(df.sample(5))

df1 = pd.pivot_table(df,index="品牌",columns=["销售区域","月份"],
                     values="销售数量",aggfunc=np.sum)
display(df1)

结果如下:

img

3)求出不同品牌不同地区下,每个月份的销售数量之和

① 在Excel中的操作结果如下

img

② 在pandas中的操作如下

df = pd.read_excel(r"C:\Users\黄伟\Desktop\pivot_table.xlsx")
display(df.sample(5))

df.insert(1,"月份",df["销售日期"].apply(lambda x:x.month))
display(df.sample(5))

df1 = pd.pivot_table(df,index=["品牌","销售区域"],columns="月份",
                     values="销售数量",aggfunc=np.sum)
display(df1)

结果如下:

img

4)求出不同品牌下的“销售数量之和”与“货号计数”

① 在Excel中的操作结果如下

img

② 在pandas中的操作如下

df = pd.read_excel(r"C:\Users\黄伟\Desktop\pivot_table.xlsx")
display(df.sample(5))

df.insert(1,"月份",df["销售日期"].apply(lambda x:x.month))
display(df.sample(5))

df1 = pd.pivot_table(df,index="品牌",columns="月份",
                     values=["销售数量","货号"],
                     aggfunc={"销售数量":"sum","货号":"count"},
                     margins=True,margins_name="总计")
display(df1)

结果如下:


- EOF -


推荐阅读  点击标题可跳转

1、用 pandas 高效清洗文本数据

2、用 pandas-profiling 做出更好的探索性数据分析

3、12 个 Numpy 和 Pandas 函数,提高效率



看完本文有收获?请转发分享给更多人

推荐关注「数据分析与开发」,提升数据技能

点赞和在看就是最大的支持❤️

: . Video Mini Program Like ,轻点两下取消赞 Wow ,轻点两下取消在看

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存