Pandas Pivot_table详解

一、列层互换

在pandas数据分析时，往往需要对数据进行信息汇总和重组以便分析，提高分析效率。其中，Pivot_table是一个方便快速的透视表函数，允许使用类似Excel透视表的操作进行数据汇总。

首先，我们需要知道如何使用pandaspivot_table库来实现列层互换，即行列之间的关系互换。例如，我们有以下的一个数据集：


import pandas as pd

data = {
    'class': ['A', 'A', 'B', 'B', 'C', 'C'],
    'subject': ['math', 'Chinese', 'math', 'English', 'math', 'Chinese'],
    'score': [90, 85, 92, 78, 80, 88]
}

df = pd.DataFrame(data)

这个数据集包含了学生的成绩信息，class代表班级，subject代表科目，score代表成绩。如果我们想要按照班级来分析每个科目的平均成绩，我们可以使用pivottable这个函数：


table = pd.pivot_table(data=df, index='subject', columns='class', values='score', aggfunc='mean')
print(table)

这样，我们就完成了数据的透视，其中，index代表行信息，columns代表列信息，values代表数值信息，aggfunc代表统计方式。

在这个例子中，我们使用subject作为行信息，class作为列信息，score作为数值信息，并且使用平均值作为统计方式。输出的表格中，每一列代表一个班级，每一行代表一个科目，对应的学生成绩被放在了对应的位置中。

通过列层互换，我们可以通过轻松转换，将原先看似无法统计的信息变成可视化信息，方便我们进行制定决策和定制策略。

二、聚合操作

在pandas数据分析中，聚合操作是非常重要的操作，是数据分析的中心。而在pandaspivot_table中，聚合操作同样也是一项核心的功能，我们需要掌握它的使用方法和注意事项。

聚合操作基本上是指对数据集中特定的列进行统计分析操作：


table = pd.pivot_table(data=df, index='class', values='score', aggfunc=[np.min, np.max, np.mean, np.median])

其中，amin、amax、mean、median是常用的聚合函数，表达了我们需要实现的统计方式，对应于聚合函数名称：

amin：返回最小值
amax：返回最大值
mean：返回平均值
median：返回中位数

默认情况下，pandaspivot_table会将特定的列作为行信息，我们可以设定其他的行信息，使得返回的表格更加丰富。这样，我们更容易生成可视化图形，并对数据进行更加深刻的分析和洞察。

三、多级分组

在pandas数据分析中，往往需要同时使用多个列作为分类变量，进行分组分析。在pandaspivot_table中，我们可以非常方便地实现多级分组，以对数据进行进一步的分析。

以本文一开始的数据集为例，我们可以将class和subject作为多级分组的信息，来获取分组统计表：


table = pd.pivot_table(data=df, index=['class', 'subject'], values='score', aggfunc='mean')

这样，我们就生成了一个两级分组的统计表。

需要注意的是，在多级分组中，多级索引的行的名称会采用元素组成的tuple表示，如(‘A’, ‘Chinese’)

四、填充缺失值

在实际的数据处理过程中，数据集中通常存在着缺失数据的情况。在pandaspivot_table中，我们同样可以通过分析功能和缺失值填充操作，对缺失数据进行有效的处理。

在进行分组操作时，通过使用fill_value关键字来对缺失值进行填充:


table = pd.pivot_table(data=df, index='class', columns='subject', values='score', fill_value=0)

这样，我们就可以填充缺失值，避免对数据分析产生负面的影响。

五、离散化以及自定义聚合

在pandaspivot_table中，我们可以通过使用cut库函数，将连续数据离散化，转化为类别数据，用于划分区间分组。具体来说，可以按照如下方式定义区间，并使用pd.cut函数来实现数据的离散化：


bins = [0, 60, 70, 80, 90, 100]
df['score_cut'] = pd.cut(df['score'], bins=bins, labels=['<60', '60-70', '70-80', '80-90', '90-100'])

接下来，我们可以使用pivot_table对score_cut数据列进行聚合操作，得到分组后的汇总结果，如下所示：


table = pd.pivot_table(df, index=['class', 'subject'], columns=['score_cut'], values='score', aggfunc='count', fill_value=0)

在自定义聚合函数时，可以使用lambda函数，进行操作内容的自定义设置：


table = pd.pivot_table(df, index=['class', 'subject'], columns=['score_cut'], values='score', aggfunc=lambda x: len(x.unique()))

六、总结

以上是pandaspivot_table的基本使用方法和技巧，它可以帮助我们更容易地实现数据透视化，并进行更加深入的分析。

该库提供了丰富的分析功能，可以非常方便地解决数据分析时面临的各种问题。通过对pandaspivot_table的深入学习和理解，我们可以更加高效地处理和分析数据，为我们的决策提供有力支持。

原创文章，作者：小蓝，如若转载，请注明出处：https://www.506064.com/n/236817.html