像Excel一样使用Python，pandas的pivot_table实现数据透视

更多文章可关注微信公众号：Excelwork

   习惯了使用Excel中的透视表功能，在使用Python处理数据时，我们也希望也能快速的进行排列、计算数据，以供我们完成快速观察、分析数据。在pandas库中，pivot_table函数可以帮助我们完成相关工作。

其语法如下：

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

• data为我们分析的数据集

• values表示被统计的数据列（一列或多列）

• index根据索引进行分组

• columns表示按列字段进行分组

• aggfunc表示对数据汇总使用的函数，默认取均值（可以是函数、函数列表、字典）

• margins默认False，表示不输出汇总项，同Excel透视表的汇总项

数据样例如下：

01 简单应用

    计算各销售区域平均营销费用，aggfunc参数按默认即可：

p=pd.pivot_table(data,values='营销费用：万',columns='销售区域')

结果如下：

02 按索引分组

    计算各销售区域平均营销费用，将columns参数改为index：

p2=pd.pivot_table(data,values='营销费用：万',index='销售区域')

结果如下：

03 输出总计

    计算各销售区域平均营销费用，将columns参数改为index，增加margins参数，等于True：

p3=pd.pivot_table(data,values='营销费用：万',index='销售区域',margins=True)

结果如下：

04 按字段列表分组

    计算各销售区域、各类别的平均营销费用：

p4=pd.pivot_table(data,values='营销费用：万',index=['销售区域','类别'])

结果如下：

05 设置函数

    计算营销费用和销售费用总和，通过给aggfunc参数选择sum函数即可：

p5=pd.pivot_table(data,values=['营销费用：万','销售金额：万'],columns='销售区域',aggfunc=np.sum)

结果如下：

06 设置函数列表

    这里仅为举例子需要，比如对营销费用求和，对销售金额取均值，则需要给aggfunc传入函数列表：

p6=pd.pivot_table(data,values=['营销费用：万','销售金额：万'],index='销售区域',aggfunc=[np.sum,np.average])

结果如下：