Python pandas.pivot_table() 函式

Minahil Noor 2023年1月30日 2020年11月7日
  1. pandas.pivot_table() 的語法
  2. 示例程式碼:pandas.pivot_table()
  3. 示例程式碼:pandas.pivot_table() 指定多個聚合函式
  4. 示例程式碼:pandas.pivot_table() 使用 margins 引數
Python pandas.pivot_table() 函式

Python Pandaspandas.pivot_table() 函式避免了 DataFrame 的資料重複。它對資料進行彙總,並對資料應用不同的聚合函式。

pandas.pivot_table() 的語法

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

引數

這個函式有幾個引數。所有引數的預設值如上所述。

data 這是 DataFrame,我們要從中刪除重複的資料。
values 它代表要彙總的列
index 它是一個列、grouper、陣列或列表。它代表我們想要作為索引的資料列,即行。
columns 它是一個列、grouper、陣列或列表。它代表了我們希望在輸出資料透視表中作為列的資料列。
aggfunc 它是一個函式、函式列表或字典。它代表將應用於資料的聚合函式。如果傳遞的是聚合函式的列表,那麼在結果表中,每個聚合函式將有一列,列名在頂部。
fill_value 它是一個標量。它表示將取代輸出表中缺失值的數值。
margins 這是一個布林值。它代表了在取了各自行和列的和之後生成的行和列。
dropna 它是一個布林值。它從輸出表中刪除值為 NaN 的列。
margins_name 它是一個 “字串”。它表示如果 margins 值為 True 時生成的行和列的名稱。
observed 它是一個布林值。如果任何分組是分類的,那麼這個引數就適用。如果為 True,則顯示分類分組的觀察值。如果是 False,則顯示分類分組的所有值。

返回值

它返回彙總後的 DataFrame

示例程式碼:pandas.pivot_table()

讓我們通過實現這個函式來深入瞭解它。

import pandas as pd

dataframe = pd.DataFrame({
                            "Name": 
                                ["Olivia", 
                                "Olivia", 
                                "Olivia", 
                                "Olivia", 
                                "Meghan", 
                                "Meghan", 
                                "Meghan", 
                                "Meghan"],
                            "Date": 
                                ["03-06-2019", 
                                "04-06-2019", 
                                "03-06-2019", 
                                "04-06-2019", 
                                "03-06-2019", 
                                "04-06-2019", 
                                "03-06-2019", 
                                "04-06-2019"],
                            "Science Marks": 
                                [10, 
                                2, 
                                4, 
                                6, 
                                8, 
                                9, 
                                1, 
                                10]
                        })
print(dataframe)

示例 DataFrame 的是:

     Name        Date  Science Marks
0  Olivia  03-06-2019             10
1  Olivia  04-06-2019              2
2  Olivia  03-06-2019              4
3  Olivia  04-06-2019              6
4  Meghan  03-06-2019              8
5  Meghan  04-06-2019              9
6  Meghan  03-06-2019              1
7  Meghan  04-06-2019             10

請注意,上述資料在一列中多次包含相同的值。這個 pivot_table 函式將彙總這些資料。

import pandas as pd

dataframe = pd.DataFrame({
                            "Name": 
                                ["Olivia", 
                                "Olivia", 
                                "Olivia", 
                                "Olivia", 
                                "Meghan", 
                                "Meghan", 
                                "Meghan", 
                                "Meghan"],
                            "Date": 
                                ["03-06-2019", 
                                "04-06-2019", 
                                "03-06-2019", 
                                "04-06-2019", 
                                "03-06-2019", 
                                "04-06-2019", 
                                "03-06-2019", 
                                "04-06-2019"],
                            "Science Marks": 
                                [10, 
                                2, 
                                4, 
                                6, 
                                8, 
                                9, 
                                1, 
                                10]
                        })

pivotTable = pd.pivot_table(dataframe, index= "Name", columns= "Date")
print(pivotTable)

輸出:

              Science Marks           
Date      03-06-2019 04-06-2019
Name                           
Meghan           4.5        9.5
Olivia           7.0        4.0

這裡,我們選擇了 Name 列作為索引,Date 作為列。函式已經根據預設引數生成了結果。預設的聚合函式 mean 計算了數值的平均值。

示例程式碼:pandas.pivot_table() 指定多個聚合函式

import pandas as pd

dataframe = pd.DataFrame({
                            "Name": 
                                ["Olivia", 
                                "Olivia", 
                                "Olivia", 
                                "Olivia", 
                                "Meghan", 
                                "Meghan", 
                                "Meghan", 
                                "Meghan"],
                            "Date": 
                                ["03-06-2019", 
                                "04-06-2019", 
                                "03-06-2019", 
                                "04-06-2019", 
                                "03-06-2019", 
                                "04-06-2019", 
                                "03-06-2019", 
                                "04-06-2019"],
                            "Science Marks": 
                                [10, 
                                2, 
                                4, 
                                6, 
                                8, 
                                9, 
                                1, 
                                10]
                        })

pivotTable = pd.pivot_table(dataframe, 
                            index= "Name", 
                            columns= "Date", 
                            aggfunc= ["sum", "count"])
print(pivotTable)

輸出:

                   sum                    count           
              Science Marks            Science Marks           
Date      03-06-2019 04-06-2019    03-06-2019 04-06-2019
Name                                                    
Meghan             9         19             2          2
Olivia            14          8             2          2

我們使用了兩個彙總函式。這些函式的列是單獨生成的。

示例程式碼:pandas.pivot_table() 使用 margins 引數

import pandas as pd

dataframe = pd.DataFrame({
                            "Name": 
                                ["Olivia", 
                                "Olivia", 
                                "Olivia", 
                                "Olivia", 
                                "Meghan", 
                                "Meghan", 
                                "Meghan", 
                                "Meghan"],
                            "Date": 
                                ["03-06-2019", 
                                "04-06-2019", 
                                "03-06-2019", 
                                "04-06-2019", 
                                "03-06-2019", 
                                "04-06-2019", 
                                "03-06-2019", 
                                "04-06-2019"],
                            "Science Marks": 
                                [10, 
                                2, 
                                4, 
                                6, 
                                8, 
                                9, 
                                1, 
                                10]
                        })

pivotTable = pd.pivot_table(dataframe, 
                            index= "Name", 
                            columns= "Date", 
                            aggfunc= ["sum", "count"], 
                            margins= True)
print(pivotTable)

輸出:

                   sum                        count               
              Science Marks                Science Marks               
Date      03-06-2019 04-06-2019 All    03-06-2019 04-06-2019 All
Name                                                            
Meghan             9         19  28             2          2   4
Olivia            14          8  22             2          2   4
All               23         27  50             4          4   8

margins 引數生成了一個名為 All 的新行和一個名為 All 的新列,分別顯示行和列的和。

相關文章 - Pandas Core