社区编辑申请
注册/登录
一行Pandas代码制作数据分析透视表,太牛了!
开发 后端
相信大家都用在Excel当中使用过数据透视表(一种可以对数据动态排布并且分类汇总的表格格式),也体验过它的强大功能,在Pandas模块当中被称作是pivot_table,今天小编就和大家来详细聊聊该函数的主要用途。

导入模块和读取数据

那我们第一步仍然是导入模块并且来读取数据,数据集是北美咖啡的销售数据,包括了咖啡的品种、销售的地区、销售的利润和成本、销量以及日期等等。

import pandas as pd
def load_data():
return pd.read_csv('coffee_sales.csv', parse_dates=['order_date'])

那小编这里将读取数据封装成了一个自定义的函数,读者也可以根据自己的习惯来进行数据的读取。

df = load_data()
df.head()

output

通过调用info()函数先来对数据集有一个大致的了解。

df.info()

output

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4248 entries, 0 to 4247
Data columns (total 9 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 order_date 4248 non-null datetime64[ns]
1 market 4248 non-null object
2 region 4248 non-null object
3 product_category 4248 non-null object
4 product 4248 non-null object
5 cost 4248 non-null int64
6 inventory 4248 non-null int64
7 net_profit 4248 non-null int64
8 sales 4248 non-null int64
dtypes: datetime64[ns](1), int64(4), object(4)
memory usage: 298.8+ KB

初体验

在pivot_table函数当中最重要的四个参数分别是index、values、columns以及aggfunc,其中每个数据透视表都必须要有一个index,例如我们想看每个地区咖啡的销售数据,就将“region”设置为index。

df.pivot_table(index='region')

output

当然我们还可以更加细致一点,查看每个地区中不同咖啡种类的销售数据,因此在索引中我们引用“region”以及“product_category”两个,代码如下:

df.pivot_table(index=['region', 'product_category'])

output

进阶的操作

上面的案例当中,我们以地区“region”为索引看到了各项销售指标,当中有成本、库存、净利润以及销量这个4个指标的数据,那要是我们想要单独拎出某一个指标来看的话,代码如下所示:

df.pivot_table(index=['region'], values=['sales'])

output

这也就是我们上面提到的values,在上面的案例当中我们就单独拎出了“销量”这一指标,又或者我们想要看一下净利润,代码如下:

df.pivot_table(index=['region'], values=['net_profit'])

output

另外我们也提到了aggfunc,可以设置我们对数据聚合时进行的函数操作,通常情况下,默认的都是求平均数,这里我们也可以指定例如去计算总数。

df.pivot_table(index=['region'], values=['sales'], aggfunc='sum')

output

或者我们也可以这么来写。

df.pivot_table(index=['region'], values=['sales'], aggfunc={ 'sales': 'sum' })

当然我们要是觉得只有一个聚合函数可能还不够,我们可以多来添加几个。

df.pivot_table(index=['region'], values=['sales'], aggfunc=['sum', 'count'])

output

剩下最后的一个关键参数columns类似于之前提到的index用来设置列层次的字段,当然它并不是一个必要的参数,例如:

df.pivot_table(index=['region'], values=['sales'], aggfunc='sum', columns=['product_category'])

output

在“列”方向上表示每种咖啡在每个地区的销量总和,要是我们不调用columns参数,而是统一作为index索引的话,代码如下:

df.pivot_table(index=['region', 'product_category'], values=['sales'], aggfunc='sum')

output

同时我们看到当中存在着一些缺失值,我们可以选择将这些缺失值替换掉。

df.pivot_table(index=['region', 'product_category'], values=['sales'], aggfunc='sum')

output

熟能生巧

我们再来做几组练习,我们除了想要知道销量之外还想知道各个品种的咖啡在每个地区的成本如何,我们在values当中添加“cost”的字段,代码如下:

df.pivot_table(index=['region'], values=['sales', 'cost'], aggfunc='sum', columns=['product_category'], fill_value=0)

output

同时我们还能够计算出总量,通过调用margin这个参数。

df.pivot_table(index=['region', 'product_category'], values=['sales', 'cost'], aggfunc='sum', fill_value=0, margins=True)

output

最后的最后,我们调用pivot_table函数来制作一个2010年度咖啡销售的销量年报,代码如下:

month_gp = pd.Grouper(key='order_date',freq='M')
cond = df["order_date"].dt.year == 2010
df[cond].pivot_table(index=['region','product_category'],
columns=[month_gp],
values=['sales'],
aggfunc=['sum'])

output

责任编辑:庞桂玉 来源: 小詹学Python
相关推荐

2022-07-14 10:06:19

代码交叉表

2022-03-24 09:36:28

Pandas数据分析代码

2022-05-24 12:50:58

Pandas索引代码

2022-05-10 09:33:50

Pandas技巧代码

2022-04-25 08:43:47

pandas代码Python

2021-09-10 16:10:21

2021-06-08 09:18:54

2022-05-07 10:14:07

Python数据可视化

2020-06-05 14:29:07

PythonPandas数据分析

2020-01-03 08:34:18

pandas代码开发

2020-08-30 14:29:01

Pandas数据分析函数

2020-04-21 10:11:03

2019-11-04 15:00:01

DatatableR语言数据科学

2021-07-07 09:50:23

2020-08-14 10:57:49

开发技能代码

2020-05-09 10:38:31

Python透视表数据

2021-05-06 09:57:18

Python 开发编程语言

2019-04-29 08:31:25

PythonPandas数据

2020-06-08 15:06:33

Pandas可视化数据

2019-11-20 10:54:32

Python数据结构数据库

同话题下的热门内容

该不该将单体架构迁移到微服务?如何创建一个无代码的自助客户聊天机器人功能测试vs.非功能测试:能否非此即彼地进行选择?JMS VS Kafka:苹果与橘子之战!「芯片法案」下周签署!台积电沉默以对佩洛西,三星、SK海力士谨慎观望Java 服务 Docker 容器化优秀实践说实话,今年互联网人跳槽的逻辑变了八个流行的 Python 可视化工具包,你喜欢哪个?

编辑推荐

2017年9月编程语言排行榜:Java、C与C++三巨头还能统治排行榜多久?2017年最受欢迎的5个前端框架比较2017年11月编程语言排行榜:脚本语言怎么了?2017年3月编程语言排行榜:Swift首次进入前十最近租房有点烦!技术人如何用Python找到称心如意的“小窝”?
我收藏的内容
点赞
收藏

51CTO技术栈公众号