| 【Pandas分组聚合】进阶：透视表、交叉表（pivot | 您所在的位置：网站首页 › 数据透视表和分类汇总表的区别 › 【Pandas分组聚合】进阶：透视表、交叉表（pivot |
【Pandas分组聚合】进阶：透视表、交叉表（pivot
|
Pandas透视表、交叉表
创建DataFrame结构透视表 pivot_table()单列聚合多列聚合
交叉表 crosstab()计算分组频率两列分组后求第三列的统计指标
创建DataFrame结构
import pandas as pd
import numpy as np
df = pd.DataFrame(
data={
'name': ['z_s', 'l_s', 'w_w', 'z_l', 'y_s', 'j_j', 'l_b', 'z_f', 'hs_q', 'lbl_k', 'qy_n', 'mg_n'],
'score': [100, 97, 98, 89, 67, 59, 29, 87, 78, 89, 88, 80],
'group': [1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2],
'cls': ['A', 'A', 'A', 'B', 'B', 'B', 'A', 'A', 'A', 'B', 'B', 'B'],
'height': [178.0, 180.0, 176.0, 182.0, 189.0, 190.0, 172.5, 175.0, 165.0, 160.0, 158.5, 159.0]
},
index=['stu_' + str(i) for i in np.arange(1, 13, 1)]
)
print('df:\n', df)
透视表是一种可以对数据动态排布并且分类汇总的表格格式，相比groupby，灵活性更高，操作性更强。 pands.pivot_table(data,values=None,index=None,columns=None,aggfunc=‘mean’,fill_value=None,margins=False,dropna=True,margins_name=‘All’) pivot_table 函数参数说明 参数说明data接收 DataFrame。表示创建表的数据。无默认values接收string 。用于指定想要聚合的数据字段名，默认使用全部数据。默认为 Noneindex接收 string 或者 list。表示行分组键。默认为 Nonecolumns接收 string 或者 list。表示列分组键。默认为 Noneaggfunc接收 functions。表示聚合函数，默认为 meanmargins接收 boolearn。表示汇总功能的开关，设为 True后结果集中会出现名为”ALL”的行和列，默认为True。margins_name接收string 。当margins打开后指定新行新列的名称，默认为“ALL”fill_value当存在缺失值时可以指定数值进行填充。默认为None（填充 NaN）dropna接收 boolearn。表示是否删除掉全为 NaN 的列，默认为 False。 单列聚合例：查看各个班级的平均成绩 # groupby分组聚合 ret = df.groupby(by=['cls'])['score'].mean() print('ret:\n', ret) print('type:\n', type(ret)) # 最终结果是Series结构 """ ret: cls A 81.500000 B 78.666667 Name: score, dtype: float64 type: """ # 使用透视表 ret = pd.pivot_table( data=df, # 构建透视表的数据 values=['score'], # 关注的主题---需要统计指标的列 index=['cls'], # 指定结果的行索引 aggfunc='mean', # 对values中的列统计的指标 ) print('ret:\n', ret) print('type:\n', type(ret)) # 最终结果是DataFrame结构 """ ret: score cls A 81.500000 B 78.666667 type: """ 多列聚合例：查看各个班级、各个小组的成绩、身高的均值 ret = df.groupby(by=['cls', 'group'])[['score', 'height']].mean() print('ret:\n', ret) print('ret:\n', type(ret)) """ ret: score height cls group A 1 98.333333 178.000000 2 64.666667 170.833333 B 1 71.666667 187.000000 2 85.666667 159.166667 ret: """ # 使用透视表 ret = pd.pivot_table( data=df, # 构建透视表的数据 values=['score', 'height'], # 关注的主题---需要统计指标的列 index=['cls', 'group'], # 指定结果的行索引 aggfunc='mean', # 对values中的列统计的指标 ) print('ret:\n', ret) print('ret:\n', type(ret)) """ ret: height score cls group A 1 178.000000 98.333333 2 170.833333 64.666667 B 1 187.000000 71.666667 2 159.166667 85.666667 ret: """例：查看满足在各个班级、各个小组的条件下， 成绩、身高的平均值 ret = pd.pivot_table( data=df, values=['score', 'height'], index=['cls'], columns=['group'], # 指定结果的列索引 aggfunc='max', margins=True, # 打开margins开关-->给生成结果多出来几列，再结果统计aggfunc的指标 margins_name='HELLO', # 开关的名称-->多出来的几列、几行的行列名称 ) print('ret:\n', ret) print('index:\n', ret.index) print('columns:\n', ret.columns) # MultiIndex 多重列索引 """ ret: height score group 1 2 HELLO 1 2 HELLO cls A 180.0 175.0 180.0 100 87 100 B 190.0 160.0 190.0 89 89 89 HELLO 190.0 175.0 190.0 100 89 100 index: Index(['A', 'B', 'HELLO'], dtype='object', name='cls') columns: MultiIndex([('height', 1), ('height', 2), ('height', 'HELLO'), ( 'score', 1), ( 'score', 2), ( 'score', 'HELLO')], names=[None, 'group']) """出现以上结果的原因是： 交叉表是一种特殊的透视表，主要用于计算分组频率。 由于交叉表是透视表的一种，其参数基本保持一致，不同之处在于 crosstab 函数中的index，columns，values 填入的都是对应的从 Dataframe 中取出的某一列。 计算分组频率例：统计分组频率，在满足以index为行分组，以columns为列分组时，数据的数量 # 生成交叉表的时候，index和 columns必须同时存在，且必须要有！ ret = pd.crosstab( index=df['cls'], # 指定的是结果的行索引 columns=df['group'], # 指定结果的列索引 ) print('ret:\n', ret) """ ret: group 1 2 cls A 3 3 B 3 3 """ 两列分组后求第三列的统计指标例：求在满足各个班级、各个小组的条件下，成绩的均值 ret = pd.crosstab( index=df['cls'], columns=df['group'], values=df['score'], # 注意：可以指定values --但是vlues只能是某一列数据 aggfunc=np.mean, # --values这个参数出现的时候，必须要指定aggfunc ) print('ret:\n', ret) """ ret: group 1 2 cls A 98.333333 64.666667 B 71.666667 85.666667 """ |
【本文地址】
公司简介
联系我们