太方便了，Python与excel结合制作数据透视表（文末送书）

数据透视表是一种分类汇总数据的方法。本文章将会介绍如何用Pandas完成数据透视表的制作和常用操作。

制作数据透视表的时候，要确定这几个部分：行字段、列字段、数据区，汇总函数。数据透视表的结构如图1所示。

图1    数据透视表的结构

Excel制作数据透视表很简单，选中表格数据，并点击工具栏上的“数据透视表”菜单即可，如图2所示。

图2   Excel制作数据透视表

Pandas里制作数据透视表主要使用pivot_table方法。pivot_table方法的调用形式如下：

其实index参数对应行字段，columns参数对应列字段，values参数对应数据区。aggfunc的默认值是numpy.mean，也就是计算平均值。

下面结合实例讲解pivot_table的用法，首先用以下代码导入示例数据：

用pivot_table方法制作数据透视表，商品作为行字段，品牌作为列字段，销售额放在数据区，这样设置：

结果如图3所示。这个表格计算的是销售额的平均值。

图3  商品销售数据透视表

上面的代码修改一下，把数量放在数据区，设置汇总函数是sum：

结果如图4所示。这个表格计算的是销售数量的和。

图4   商品销售数据透视表

可以看到这两个数据透视表是有缺失值的，pivot_table有一个参数fill_value，就是用来填充这些缺失值的，例如：

pivot_table方法还支持对透视表进行统计计算，而且会新建一个列来存放计算结果。这个统计需要用到以下两个参数：

q margins，设定是否添加汇总列，一般设置为True。

q margins_name，汇总列的名称。

示例代码如下：

计算结果如图5所示。

  图5   数据透视表汇总计算

参数index和values都可以是列表类型，例如：

统计结果如图6所示。

图6     统计结果

这个数据透视表可以对利润和销售额进行不同的汇总计算，这时候aggfunc是字典类型，例如对销售额计算平均值，对利润计算总和，可以这样：

统计结果如图7所示。

图7  统计结果

对于同一个指标可以设定多个汇总函数，例如：

统计结果如图8所示。

图8     统计结果

pivot_table的运算结果是一个DataFrame类型，所以可以用DataFrame截取数据的方法筛选数据透视表中的数据。本节用于示例的数据透视表如下：

在jupyter中输出pt如图9所示。

图9     输出变量pt

下面给出几个筛选数据的例子，这些例子的结果都可以通过Range对象的options方法转换成Excel表格数据。

（1）仅保留汇总列的数据。

结果是一个Series，如下所示。

要提取洗衣机的汇总数据，可以用以下表达式：

（2）获取品牌A、B、C的汇总数据。

结果如图10所示。

图10   获取品牌A、B、C的汇总数据

（3）仅保留商品洗衣机的汇总数据。

结果如下所示。

（4）仅保留商品洗衣机和电风扇的汇总数据。

结果如图11所示。

 图11  仅保留结果的某些行

（5）仅保留汇总数据某些行和列。

输出结果如图12所示。

图12     仅保留汇总数据某些行和列

数据透视表是一个DataFrame，所以可以用sort_values方法来按某列排序，示例代码如下：

结果如图13所示。

图13  按汇总列升序排列

从结果可以看出洗衣机的总销售额是最低的。

在Excel中还支持对数据透视表中的数据进行分组，例如可以把风扇和空调的数据分为一组来计算，如图14所示。

 图14    对数据透视表中的数据进行分组

用Pandas也可以实现类似的统计，示例代码如下：

代码11-9  对数据透视表中的数据进行分组统计

输出结果如图15所示。

图15  数据透视表分组统计

代码中最关键的部分就是用loc属性读取数据透视表的行数据并进行相加运算得出分组统计结果。

声明：本文选自中国水利水电出版社的《Python +Excel高效办公:轻松实现Python数据分析与可视化》一书，略有修改，经出版社授权刊登于此。

编辑推荐

Python Excel xlwings matplotlib Pandas 汇聚数据处理与分析的高效工具应用全书85集配套视频 129个实例讲解全面系统，覆盖了常用的Excel操作，从单元格操作到图表绘制，教你轻松实现Python数据分析和可视化易学易懂，对比Excel，降低学习Python的难度，插图丰富，零基础入门学习实例丰富，书中列举了100多个实例，用实例学习更高效配套视频，每节配有视频教学，85集视频手把手教学，轻松实现办公自动化

感谢暖暖老师赠书，作为我们1024程序员节福利