总所周知，excel的功能非常强大，能做非常多的数据处理问题。其中，它的数据透视表功能就特别的好用，只要通过拖拽和鼠标点击就能根据需要完成统计问题。
在我们的pandas中，也有那么几个函数，它能够满足我们的数据透视表功能。让我们一起学习一下它们。
- pivot
pandas.pivot(data, *, index=None, columns=None, values=None)
对于一个维度，通过指定你需要的行名(index),列名(columns),和最后想要在二维数据表中展示的是哪些值(values),就会返回一个被重构的dataframe。
excel的数据透视表，就可以把一个维度的数据变成两个维度的数据，如下图显示，一个维度的数据，表示数据的增加只能向下添加。而两个维度的数据，即可以向下添加数据，还可以往右添加数据。
import numpy as np
import pandas as pd
# 创建测试数据
df = pd.DataFrame({'时间':['2020','2020','2020','2021','2021','2021','2022','2022','2022'],
'国家':['国家1','国家2','国家3','国家1','国家2','国家3','国家1','国家2','国家3'],
'销量':np.random.randint(100,1000,size=9)
})
df
# 这两种写法都可以
df.pivot(index='时间',columns='国家')
df.pivot(index='时间',columns='国家',values='销量')
当有多列数据时，你需要展现的就一定要指定出来，否则会都显示。
df = pd.DataFrame({'时间':['2020','2020','2020','2021','2021','2021','2022','2022','2022'],
'国家':['国家1','国家2','国家3','国家1','国家2','国家3','国家1','国家2','国家3'],
'销量':np.random.randint(100,1000,size=9),
'r':['a','a','c','d','e','f','g','h','i']
})
df
df.pivot(index='时间',columns = '国家',values='销量')
# 这样两种写法结果都一样
df.pivot(index='时间',columns = '国家')
df.pivot(index='时间',columns = '国家',values=['销量','r'])
pivot函数因为无法聚合，所以当index,columns组合具有重复值时，这个函数就不适用了，会报ValueError。
例如：
df = pd.DataFrame({'时间':['2020','2020','2020','2021','2021','2021','2022','2022','2022'],
'国家':['国家1','国家1','国家3','国家1','国家2','国家3','国家1','国家2','国家3'],
'销量':np.random.randint(100,1000,size=9)
})
df
对于这样的数据，调用pivot函数则会报错
pivot函数是根据索引和列重塑dataframe，每一组index和columns只能有一个唯一值，否则报错。
更强大，更像excel中的数据透视表功能的pivot_table函数，让我们一起看看。
- pivot_table
pivot_table返回的是一个电子表样式的数据透视表的dataframe。数据透视表的中的级别存储在dataframe中index和column的分层索引上。
首先，上面pivot中给到的案例，pivot_table函数也能得到，这里不再重复给出案例。现在看看pivot报错的例子，使用pivot_table可以得到。
df = pd.DataFrame({'时间':['2020','2020','2020','2021','2021','2021','2022','2022','2022'],
'国家':['国家1','国家1','国家3','国家1','国家2','国家3','国家1','国家2','国家3'],
'销量':np.random.randint(100,1000,size=9)
})
df.pivot_table(index='时间',columns='国家',aggfunc='sum')
再来一个案例：
df = pd.DataFrame({"A": ["foo", "foo", "foo", "foo", "foo", "bar", "bar", "bar", "bar"],
"B": ["one", "one", "one", "two", "two", "one", "one", "two", "two"],
"C": ["small", "large", "large", "small", "small", "large", "small", "small", "large"],
"D": [1, 2, 2, 3, 3, 4, 5, 6, 7],
"E": [2, 4, 5, 5, 6, 6, 8, 9, 9]})
df
pd.pivot_table(df,values=['D','E'],index=['A','B'],columns='C',aggfunc={'D':np.sum,
'E':[np.sum,np.mean,np.size]},fill_value=0)
对于同一index和columns值时可以聚合函数，而且可以根据需要，对不同的value值进行不同的聚合操作。功能完全和excel的数据透视图一样，真的很强大。
- crosstab
crosstab也能得到类似数据透视表的dataframe，但是和pivot_table各有优缺点。
还是以上面的测试数据为例。
df = pd.DataFrame({"A": ["foo", "foo", "foo", "foo", "foo", "bar", "bar", "bar", "bar"],
"B": ["one", "one", "one", "two", "two", "one", "one", "two", "two"],
"C": ["small", "large", "large", "small", "small", "large", "small", "small", "large"],
"D": [1, 2, 2, 3, 3, 4, 5, 6, 7],
"E": [2, 4, 5, 5, 6, 6, 8, 9, 9]})
df
# [df['A'],df['B']]：index
# df['C']：columns
# df['D']：values
pd.crosstab([df['A'],df['B']],df['C'],df['D'],aggfunc='sum')
crosstab也可以对数据进行操作，但是若是想pivot_table一样有对两列D、E一起进行操作，crosstab则无法实现。
# 都会报错
pd.crosstab([df['A'],df['B']],df['C'],[df['D'],df['E']],aggfunc='sum')
pd.crosstab([df['A'],df['B']],df['C'],df.loc[:,'D':'E'],aggfunc='sum')
若是想要想用传入两列作为values值，都会报错，无法实现。
but!!! crosstab有优于pivot_table的地方，crosstab有个normalize参数，可以将数据归一化。
当normalize是all或者True时，是对所有数据进行归一化。
当normalize是index时，针对每一行归一化
当normalize是columns时，是针对每一列进行归一化。
话不多说，给个例子，还是上面的数据。
# 针对index
pd.crosstab([df['A'],df['B']],df['C'],df['D'],aggfunc='sum',normalize='index')
# 针对columns
pd.crosstab([df['A'],df['B']],df['C'],df['D'],aggfunc='sum',normalize='columns')
# 针对所有数据，并且添加行列边距
pd.crosstab([df['A'],df['B']],df['C'],df['D'],aggfunc='sum',margins=True,normalize='all')
这不直接把各个部分的占比都给你算出来了吗？
还有一点crosstab优于pivot_table的地方，分别查看这两个函数，pivot_table是将数据用data传入，所以基本就是一张表中的数据。但是crosstab是将index，columns，values分别传入。这样，你的数据来源就可以来自几张不同的表，只要这几张表具有相同的行数就可以了。
# 测试数据
df = pd.DataFrame({"A": ["foo", "foo", "foo", "foo", "foo", "bar", "bar", "bar", "bar"],
"B": ["one", "one", "one", "two", "two", "one", "one", "two", "two"],
"C": ["small", "large", "large", "small", "small", "large", "small", "small", "large"],
"D": [1, 2, 2, 3, 3, 4, 5, 6, 7],
"E": [2, 4, 5, 5, 6, 6, 8, 9, 9]})
c = np.array(["dull", "dull", "shiny", "dull", "shiny",
"shiny", "dull", "shiny", "shiny"],
dtype=object)
# 对crosstab结果计数
# A为index
# B和C为columns
pd.crosstab(df['A'],[df['B'],c],rownames=['a'],colnames=['b','c'])
# 也可以对某一列数据求和操作
# A为index
# B和C为columns
# D是data
pd.crosstab(df['A'],[df['B'],c],df['D'],rownames=['a'],colnames=['b','c'],aggfunc='sum')
由执行结果可以看出，crosstab不需要数据来源于同一张表。这个功能已经超过了excel的数据透视图了。excel的数据透视图是无法引用分开的数据进行操作的。
上面的函数是将一个维度的数据变成2个维度的数据。接下来，我们一起学习将两个维度的数据转变为一个维度的。
- melt
我们将上面得到的数据透视表再转回一个维度的数据。
案例一：
# 原来的数据
df = pd.DataFrame({'时间':['2020','2020','2020','2021','2021','2021','2022','2022','2022'],
'国家':['国家1','国家2','国家3','国家1','国家2','国家3','国家1','国家2','国家3'],
'销量':np.random.randint(100,1000,size=9),
'r':['a','a','c','d','e','f','g','h','i']
})
d1 = df.pivot(index='时间',columns = '国家',values='销量')
d1
再看一眼得到的d1数据。
pd.melt(d1,value_vars=['国家1','国家2','国家3'],ignore_index=False)
时间是index列，除去index列，所有的数据都要从进行列变行的转变，所以id_vars不赋值，value_vars将各列名字传入，然后保留索引，就能得到想要的结果。
案例二：
df = pd.DataFrame({"A": ["foo", "foo", "foo", "foo", "foo", "bar", "bar", "bar", "bar"],
"B": ["one", "one", "one", "two", "two", "one", "one", "two", "two"],
"C": ["small", "large", "large", "small", "small", "large", "small", "small", "large"],
"D": [1, 2, 2, 3, 3, 4, 5, 6, 7],
"E": [2, 4, 5, 5, 6, 6, 8, 9, 9]})
d2 = pd.pivot_table(df,values=['D','E'],index=['A','B'],columns='C',aggfunc=np.sum)
d2
对于有复合索引情况的数据，我们可以将复合索引以元组的方式写入列表，也能得到最后的结果。
pd.melt(d2,value_vars=[('D','large'),('D','small'),('E','large'),('E','small')],ignore_index=False)
看到这里，你们是不是对这几个函数有所了解了呢，具体用法还可以参考官方文档 。
本文到这里就结束了，感谢您的阅读~