python pandas库——pivot使用心得
最近在做基于python的数据分析工作，引用第三方数据分析库——pandas（version 0.16）。
在做数据统计二维表转换的时候走了不少弯路，发现pivot()这个方法可以解决很多问题，让我少走一些弯路，节省了大量的代码。于是我这里对于pandas下dataframe的pivot()方法进行学习总结和应用，以便回顾和巩固知识。
以统计学生成绩信息为例。
在做学生成绩信息统计的时候，我们从学生各科考试成绩文件（.csv或.xls等）中把数据抽取上来。样本模拟数据（data_df）如下。
In [13]: print data_df
userNum score subjectCode subjectName userName
0 001 90 01 语文 张三 1 002 96 01 语文 李四 2 003 93 01 语文 王五 3 001 87 02 数学 张三 4 002 82 02 数学 李四 5 003 80 02 数学 王五 要把上面二维表转换为每个人各科的成绩信息。就像咱们中学时期的成绩单一样。类似于
学籍号 姓名 班级 语文成绩 语文排名 数学成绩 数学排名
...
的一张二维表。
我之前的传统统计方式，给data_df根据学籍号进行groupby，再循环遍历该分组得到每个人的各科成绩信息，再统计到一张新表中，然后循环append每一张新表，可生成以上的样表。如果我们需要统计全年级的学生呢？可能一个年级有500个学生，那就是循环500次。此时我们需要统计一个市区内多校联考的学生呢？岂不是要循环成百上千次？实际情况，这样的做法使得我们的脚本跑的非常的慢。
直到我在pandas的官方api上查到pivot()的这个方法。
大概的意思就是根据列对数据表进行重塑。这样理解实在晦涩难懂。我不喜欢长篇大论，更喜欢暴力一点的，use it and 直观感受它（这样做当然不可取，最好还是对它的方法理解透彻一些，以便了解他更多的适用场景）。
从官方api可以知道他有三个参数，第一个index是重塑的新表的索引名称是什么，第二个columns是重塑的新表的列名称是什么，一般来说就是被统计列的分组，第三个values就是生成新列的值应该是多少，如果没有，则会对data_df剩下未统计的列进行重新排列放到columns的上层。
直接上代码
In [20]: pivot_df = data_df.pivot(index='userNum', columns='subjectCode', values='score')
我们给能标识每个学生的学籍号userNum作为索引，因为我们是要统计每个学生，所以每个学生的信息作为一行。要生成语文成绩，数学成绩等，那么可以用标识学科的subjectCode作为每一列，最后，值，当然就是score给每个科目赋成绩值了！
以下是生成的结果
In [21]: print pivot_df
subjectCode 01 02
userNum
001 90 87 002 96 82 003 93 80 这就生成了我们大致想要的样子了，之后可以再给pivot_df的列名进行调整，还有其整体样式的调整。
# 这只是其中一个方式，如有更好的方式，不吝赐教~
# 列名称置空
pivot_df.columns.name = None
# 遍历每个学科对新表列名进行修改
data_df_G = data_df.groupby(["subjectCode"], as_index=False) temp_count = 1 for index, subject_df in data_df_G: # 把成绩排名添加到各科成绩之后 pivot_df.insert(temp_count, "rank_" + str(index), pivot_df[index].rank(ascending=False, method='min')) # 重命名各科成绩 pivot_df.rename(columns={index: ("score_" + str(index))}, inplace=True) temp_count += 2 # 把userNum添加的列中 pivot_df['userNum'] = pivot_df.index # 索引名称置空 pivot_df.index.name = None temp_df = data_df.loc[:, ["userNum", "userName"]] temp_df.drop_duplicates(inplace=True) # 剩余列拼接 pivot_df = temp_df.merge(pivot_df, on="userNum", how="left")最后生成的样式，大致能满足我们需要的东西了
In [30]: print(pivot_df)
userNum userName score_01 rank_01 score_02 rank_02
0 001 张三 90 3 87 1 1 002 李四 96 1 82 2 2 003 王五 93 2 80 3