Pivot 及 Pivot_table函數(shù)用法

Pivot和Pivot_table函數(shù)都是對數(shù)據(jù)做透視表而使用的。其中的區(qū)別在于Pivot_table可以支持重復(fù)元素的聚合操作，而Pivot函數(shù)只能對不重復(fù)的元素進(jìn)行聚合操作。

在一般的日常業(yè)務(wù)中，因為Pivot_table的功能更為強大,Pivot能做的不能做的Pivot_table都可做。所以只需要記住Pivot_table函數(shù)用法就好了。

Pivot函數(shù)的使用演示

#%%import pandas as pddf01 = pd.DataFrame( { '年份':[2019,2019,2019,2020,2020,2020], '平臺':['京東','淘寶','拼多多','京東','淘寶','拼多多'], '銷量':[100,200,300,400,500,600] })df01#%%pd.pivot(df01, index = '年份', columns = '平臺', values = '銷量')#%%

聚合后結(jié)果

Pivot_table函數(shù)的使用演示

注釋：index指定什么元素作為index顯示，columns指定列，values指定統(tǒng)計的值。一般values都為int后者float類型的值。aggfunc為聚合函數(shù)可以指定（mean,sum,Min,Max等統(tǒng)計運算等函數(shù)，如果不指定默認(rèn)為mean均值）

df02 = pd.DataFrame( { '年份':[2019,2019,2019,2019,2020,2020,2020,2020], '平臺':['京東','淘寶','淘寶','拼多多','京東','淘寶','拼多多','拼多多'], '銷量':[100,200,300,400,500,600,700,800] })df02#%%#pivot_table用的很多.因為可以對重復(fù)的元素進(jìn)行聚合操作.而pivot函數(shù)只能對不重復(fù)的行進(jìn)行運算pd.pivot_table(df02,index='年份',columns='平臺',values='銷量',aggfunc=sum #聚合函數(shù)來對銷量進(jìn)行運算.可以指定最大，最小,平均值等函數(shù).默認(rèn)為mean平均值)#%%

聚合結(jié)果

對比結(jié)果：這里要強調(diào)一點的是，2020年平臺為拼多多的數(shù)據(jù)出現(xiàn)了2次，而且2次的值不同。在pivot函數(shù)中是無法對這種重復(fù)平臺的數(shù)據(jù)進(jìn)行聚合的，但是Pivot_table則可以。

另外通過聚合函數(shù)aggfunc指定sum求和，可以把2次的值累加統(tǒng)計。

Pivot_table函數(shù)真實案例演示

1. 讀取表格數(shù)據(jù)

#%%df = pd.read_excel('./datas/result_datas.xlsx', ).convert_dtypes() #讀取數(shù)據(jù)并自動轉(zhuǎn)化typedf.dtypes#%%df.head(3)#%%

2. 通過Pivot_table函數(shù)透視合并數(shù)據(jù)并對金額和數(shù)量做統(tǒng)計

因為涉及到敏感信息，因此服務(wù)卡卡號等敏感信息部分遮掩不顯示。但是通過部分結(jié)果也可以看出是按照號碼進(jìn)行升序排序的

#按照自定義指定index,columns,values值result = pd.pivot_table(df,index = ['姓名','服務(wù)卡卡號','明細(xì)','規(guī)格'],values = ['理賠金額（元）','數(shù)量'],aggfunc=sum)result = result.sort_values('服務(wù)卡卡號') #按照指定values值排序result#%%#輸出到文件result.to_excel('./datas/output_datas.xlsx')print('Done!!!')

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持好吧啦網(wǎng)。