pandas——透视图和交叉表

透视图函数df.pivot_table()

格式： pivot_table(data, values=None, index=None, columns=None, aggfunc=‘mean’, fill_value=None, margins=False, dropna=True, margins_name=‘All’, observed=False)
主要参数：
index:行分组键
columns:列分组键
values:分组的字段，（需要统计的列的属性名）列中的内容只能为数值型变量
aggfunc:聚合函数
margins:是否需要总计
fill_value:数值缺失时的填充值
若某一行没有数值会显示nan，

import pandas as pd
import numpy as np 

df=pd.read_csv('my_csv.csv',header=0,\
	encoding='gbk',dtype={'年龄':float})
print(df)
pd_pivo=pd.pivot_table(data=df,index="id",values=["身高",'体重'],aggfunc=np.mean,margins=True,margins_name="所有身高均值")
print(pd_pivo)

交叉表函数df.crosstab()

crosstab(index, columns, values=None, rownames=None, colnames=None, aggfunc=None, margins=False, margins_name=‘All’, dropna=True, normalize=False)
常用参数：
index：表示行索引，
columns:列索引，可以确定，数据在两个索引的交叉位置出现的次数
margins:是否需要总计
normalize：计算每个数据出现的占比值，值为All时表示占全部数据的比例，也是每一行列的 占比

import pandas as pd
import numpy as np 

df=pd.read_csv('my_csv.csv',header=0,\
	encoding='gbk',dtype={'年龄':float})
print(df)

print(pd.crosstab(index=df['id'],\
	columns=df['身高'],margins=True))