Pandas学习笔记八——数据透视表

数据透视表

数据透视表是一种类似于Groupby的操作方法，常见于Excel与类似的表格应用中。数据透视表将每一列作为输入，输出将数据不断细分为多个维度累计信息的二维数据表。数据透视表相比与Groupby操作更像是一种多维的GroupBy累计操作。也就是说，虽然你也可以分割-应用-组合，但是分割和组合不是发生在一维索引上，而是在二维网络上（行和列同时分组）

#示例使用泰坦尼克号的乘客信息
import numpy as np
import pandas as pd
import seaborn as sns
titanic = sns.load_dataset('titanic')

数据透视表语法

#统计不同性别与船舱等级下泰坦尼号乘客的生还情况,累计方法默认使用mean()
titanic.pivot_table('survived', index='sex', columns='class')

#输出结果
class      First    Second     Third
sex                                 
female  0.968085  0.921053  0.500000
male    0.368852  0.157407  0.135447

#pivot_table支持多级索引，数据透视表中的分组可以通过各种参数指定多个等级
#通过pd.cut函数将年龄进行分段

age = pd.cut(titanic['age'], [1,18,80])
titanic.dropna('age').pivot_table('survived', ['sex', age], 'class')

#输出结果
class               First    Second     Third
sex    age                                   
female (18, 80]  0.909091  1.000000  0.511628
       NaN       0.972973  0.900000  0.423729
male   (18, 80]  0.800000  0.600000  0.215686
       NaN       0.375000  0.071429  0.133663

其他数据透视表选项

#DataFrame的pivot_table方法的完整签名如下：
DataFrame.pivot_table(data, value=None, index=None, columns=None, aggfunc='mean',
                      fill_value=None, margins=False,dropna=True, margins_name='All')

• aggfunc参数用于设置累计函数类型，默认值是mean()。与groupby的用法一样，累计函数可以用一些常见的字符串（‘sum’、’mean‘、’count’、‘min’、‘max’等）表示，也可以是标准的累计函数（np.sum(), np.min(), sum()等）表示。另外还可以通过字典为不同的列指定不同的累计函数。

  titanic.pivot_table(index='sex', columns='class', aggfunc={'survived':sum, 'fare':mean})
  
  
  #输出结果：
  
              fare                       survived             
  class        First     Second      Third    First Second Third
  sex                                                           
  female  106.125798  21.970121  16.118810       91     70    72
  male     67.226127  19.741782  12.661633       45     17    47

• 当需要计算每一组的总数是，可以通过margins参数来设置，margin的标签可以通过margins_name参数来设置，默认值是’All‘

  titanic.pivot_table('survived', index='sex', columns='class', margins=True)
  
  
  #输出结果：
  
  class      First    Second     Third       All
  sex                                           
  female  0.968085  0.921053  0.500000  0.742038
  male    0.368852  0.157407  0.135447  0.188908
  All     0.629630  0.472826  0.242363  0.383838