Pandas Pivot_table詳解

一、列層互換

在pandas數據分析時，往往需要對數據進行信息匯總和重組以便分析，提高分析效率。其中，Pivot_table是一個方便快速的透視表函數，允許使用類似Excel透視表的操作進行數據匯總。

首先，我們需要知道如何使用pandaspivot_table庫來實現列層互換，即行列之間的關係互換。例如，我們有以下的一個數據集：

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)

這個數據集包含了學生的成績信息，class代表班級，subject代表科目，score代表成績。如果我們想要按照班級來分析每個科目的平均成績，我們可以使用pivottable這個函數：

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

這樣，我們就完成了數據的透視，其中，index代表行信息，columns代表列信息，values代表數值信息，aggfunc代表統計方式。

在這個例子中，我們使用subject作為行信息，class作為列信息，score作為數值信息，並且使用平均值作為統計方式。 輸出的表格中，每一列代表一個班級，每一行代表一個科目，對應的學生成績被放在了對應的位置中。

通過列層互換，我們可以通過輕鬆轉換，將原先看似無法統計的信息變成可視化信息，方便我們進行制定決策和定製策略。

二、聚合操作

在pandas數據分析中，聚合操作是非常重要的操作，是數據分析的中心。而在pandaspivot_table中，聚合操作同樣也是一項核心的功能，我們需要掌握它的使用方法和注意事項。

聚合操作基本上是指對數據集中特定的列進行統計分析操作：

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是常用的聚合函數，表達了我們需要實現的統計方式，對應於聚合函數名稱：

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

默認情況下，pandaspivot_table會將特定的列作為行信息，我們可以設定其他的行信息，使得返回的表格更加豐富。這樣，我們更容易生成可視化圖形，並對數據進行更加深刻的分析和洞察。

三、多級分組

在pandas數據分析中，往往需要同時使用多個列作為分類變數，進行分組分析。在pandaspivot_table中，我們可以非常方便地實現多級分組，以對數據進行進一步的分析。

以本文一開始的數據集為例，我們可以將class和subject作為多級分組的信息，來獲取分組統計表：

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

這樣，我們就生成了一個兩級分組的統計表。

需要注意的是，在多級分組中，多級索引的行的名稱會採用元素組成的tuple表示，如(‘A’, ‘Chinese’)

四、填充缺失值

在實際的數據處理過程中，數據集中通常存在著缺失數據的情況。在pandaspivot_table中，我們同樣可以通過分析功能和缺失值填充操作，對缺失數據進行有效的處理。

在進行分組操作時，通過使用fill_value關鍵字來對缺失值進行填充:

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

這樣，我們就可以填充缺失值，避免對數據分析產生負面的影響。

五、離散化以及自定義聚合

在pandaspivot_table中，我們可以通過使用cut庫函數，將連續數據離散化，轉化為類別數據，用於劃分區間分組。具體來說，可以按照如下方式定義區間，並使用pd.cut函數來實現數據的離散化：

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'])

接下來，我們可以使用pivot_table對score_cut數據列進行聚合操作，得到分組後的匯總結果，如下所示：

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

在自定義聚合函數時，可以使用lambda函數，進行操作內容的自定義設置：

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

六、總結

以上是pandaspivot_table的基本使用方法和技巧，它可以幫助我們更容易地實現數據透視化，並進行更加深入的分析。

該庫提供了豐富的分析功能，可以非常方便地解決數據分析時面臨的各種問題。通過對pandaspivot_table的深入學習和理解，我們可以更加高效地處理和分析數據，為我們的決策提供有力支持。