在本指南中，我将向你展示如何使用pandas在 Python 中创建数据透视表。特别是，我将演示如何在 5 个简单场景中创建数据透视表。
使用 Pandas 在 Python 中创建数据透视表如何使用Pandas创建数据透视表？首先，这是用于在 Python 中创建数据透视表的数据集：
文章图片
首先，你需要在 Python 中捕获上述数据。
但是你会怎么做呢？
Pandas创建数据透视表的方法 - 你可以使用pandas DataFrame完成此任务：
import pandas as pdemployees = {'Name of Employee': [
'Jon','Mark','Tina','Maria','Bill','Jon','Mark','Tina','Maria','Bill','Jon','Mark','Tina','Maria','Bill','Jon','Mark','Tina','Maria','Bill'],
'Sales': [
1000,300,400,500,800,1000,500,700,50,60,1000,900,750,200,300,1000,900,250,750,50],
'Quarter': [
1,1,1,1,1,2,2,2,2,2,3,3,3,3,3,4,4,4,4,4],
'Country': [
'US','Japan','Brazil','UK','US','Brazil','Japan','Brazil','US','US','US','Japan','Brazil','UK','Brazil','Japan','Japan','Brazil','UK','US']
}df = pd.DataFrame(employees, columns= [
'Name of Employee','Sales','Quarter','Country'])print (df)在 Python 中运行上面的代码，你会得到这个 DataFrame：
文章图片
准备好 DataFrame 后，你就可以对数据进行透视了。
假设你的目标是确定：
- 每位员工的总销售额
- 按国家/地区的总销售额
- 员工和国家/地区的销售额
- 按国家/地区的最大单笔销售额
- 按国家/地区划分的平均、中位数和最低销售额
使用 Pandas 的 Python 数据透视表的 5 个场景场景 1：每位员工的总销售额
要获得每位员工的总销售额，你需要将以下语法添加到 Python 代码中：
pivot = df.pivot_table(index=[
'Name of Employee'], values=[
'Sales'], aggfunc='sum')这将允许你总结 通过每名员工的销售（横跨四个季度）aggfunc =“sum”操作。
完整的 Python 代码如下所示：
import pandas as pdemployees = {'Name of Employee': [
'Jon','Mark','Tina','Maria','Bill','Jon','Mark','Tina','Maria','Bill','Jon','Mark','Tina','Maria','Bill','Jon','Mark','Tina','Maria','Bill'],
'Sales': [
1000,300,400,500,800,1000,500,700,50,60,1000,900,750,200,300,1000,900,250,750,50],
'Quarter': [
1,1,1,1,1,2,2,2,2,2,3,3,3,3,3,4,4,4,4,4],
'Country': [
'US','Japan','Brazil','UK','US','Brazil','Japan','Brazil','US','US','US','Japan','Brazil','UK','Brazil','Japan','Japan','Brazil','UK','US']
}df = pd.DataFrame(employees, columns= [
'Name of Employee','Sales','Quarter','Country'])pivot = df.pivot_table(index=[
'Name of Employee'], values=[
'Sales'], aggfunc='sum')print (pivot)运行代码后，你将获得员工的总销售额：
文章图片
场景 2：按国家/地区划分的总销售额
如何使用Pandas创建数据透视表？现在，你将看到如何按县对总销售额进行分组。
Pandas创建数据透视表的方法：在这里，你需要按“国家/地区”字段聚合结果，而不是按照你在第一个场景中看到的“员工姓名”。
然后，你可以在 Python 中运行以下Pandas创建数据透视表示例代码：
import pandas as pdemployees = {'Name of Employee': [
'Jon','Mark','Tina','Maria','Bill','Jon','Mark','Tina','Maria','Bill','Jon','Mark','Tina','Maria','Bill','Jon','Mark','Tina','Maria','Bill'],
'Sales': [
1000,300,400,500,800,1000,500,700,50,60,1000,900,750,200,300,1000,900,250,750,50],
'Quarter': [
1,1,1,1,1,2,2,2,2,2,3,3,3,3,3,4,4,4,4,4],
'Country': [
'US','Japan','Brazil','UK','US','Brazil','Japan','Brazil','US','US','US','Japan','Brazil','UK','Brazil','Japan','Japan','Brazil','UK','US']
}df = pd.DataFrame(employees, columns= [
'Name of Employee','Sales','Quarter','Country'])pivot = df.pivot_table(index=[
'Country'], values=[
'Sales'], aggfunc='sum')print (pivot)然后你将获得按县划分的总销售额：
文章图片
但是如果你想绘制这些结果呢？
为此，你需要将以下 3 个组件添加到代码中：
- 在代码顶部导入 matplotlib.pyplot 作为 plt
- 'pivot' 变量末尾的plot()
- 代码底部的plt.show()
import matplotlib.pyplot as plt
import pandas as pdemployees = {'Name of Employee': [
'Jon','Mark','Tina','Maria','Bill','Jon','Mark','Tina','Maria','Bill','Jon','Mark','Tina','Maria','Bill','Jon','Mark','Tina','Maria','Bill'],
'Sales': [
1000,300,400,500,800,1000,500,700,50,60,1000,900,750,200,300,1000,900,250,750,50],
'Quarter': [
1,1,1,1,1,2,2,2,2,2,3,3,3,3,3,4,4,4,4,4],
'Country': [
'US','Japan','Brazil','UK','US','Brazil','Japan','Brazil','US','US','US','Japan','Brazil','UK','Brazil','Japan','Japan','Brazil','UK','US']
}df = pd.DataFrame(employees, columns= [
'Name of Employee','Sales','Quarter','Country'])pivot = df.pivot_table(index=[
'Country'], values=[
'Sales'], aggfunc='sum').plot()plt.show()当你运行代码时，你会得到这个图：
文章图片
场景 3：员工和国家/地区的销售额
你可以按多个字段聚合结果（与基于单个字段聚合结果的前两种情况不同）。
【在Python中如何使用Pandas创建数据透视表（）】例如，你可以使用以下两个字段来获取以下两个方面的销售额：
- 员工姓名；和
- 国家
import pandas as pdemployees = {'Name of Employee': [
'Jon','Mark','Tina','Maria','Bill','Jon','Mark','Tina','Maria','Bill','Jon','Mark','Tina','Maria','Bill','Jon','Mark','Tina','Maria','Bill'],
'Sales': [
1000,300,400,500,800,1000,500,700,50,60,1000,900,750,200,300,1000,900,250,750,50],
'Quarter': [
1,1,1,1,1,2,2,2,2,2,3,3,3,3,3,4,4,4,4,4],
'Country': [
'US','Japan','Brazil','UK','US','Brazil','Japan','Brazil','US','US','US','Japan','Brazil','UK','Brazil','Japan','Japan','Brazil','UK','US']
}df = pd.DataFrame(employees, columns= [
'Name of Employee','Sales','Quarter','Country'])pivot = df.pivot_table(index=[
'Name of Employee','Country'], values=[
'Sales'], aggfunc='sum')print (pivot)运行代码，你将看到员工和国家/地区的销售额：
文章图片
场景 4：按国家/地区的最大个人销售额
到目前为止，你使用 sum 操作（即 aggfunc='sum'）对结果进行分组，但你不仅限于该操作。
如何使用Pandas创建数据透视表？在这种情况下，你将使用aggfunc='max'按县找到最大的个人销售额，Pandas创建数据透视表示例代码：
import pandas as pdemployees = {'Name of Employee': [
'Jon','Mark','Tina','Maria','Bill','Jon','Mark','Tina','Maria','Bill','Jon','Mark','Tina','Maria','Bill','Jon','Mark','Tina','Maria','Bill'],
'Sales': [
1000,300,400,500,800,1000,500,700,50,60,1000,900,750,200,300,1000,900,250,750,50],
'Quarter': [
1,1,1,1,1,2,2,2,2,2,3,3,3,3,3,4,4,4,4,4],
'Country': [
'US','Japan','Brazil','UK','US','Brazil','Japan','Brazil','US','US','US','Japan','Brazil','UK','Brazil','Japan','Japan','Brazil','UK','US']
}df = pd.DataFrame(employees, columns= [
'Name of Employee','Sales','Quarter','Country'])pivot = df.pivot_table(index=[
'Country'], values=[
'Sales'], aggfunc='max')print (pivot)结果：
文章图片
场景 5：按国家/地区划分的平均、中值和最低销售额
你可以在aggfunc参数中使用多个操作 。例如，要按国家/地区查找平均值、中位数和最低销售额，你可以使用：
aggfunc={'median','mean','min'}这是完整的 Python 代码：
import pandas as pdemployees = {'Name of Employee': [
'Jon','Mark','Tina','Maria','Bill','Jon','Mark','Tina','Maria','Bill','Jon','Mark','Tina','Maria','Bill','Jon','Mark','Tina','Maria','Bill'],
'Sales': [
1000,300,400,500,800,1000,500,700,50,60,1000,900,750,200,300,1000,900,250,750,50],
'Quarter': [
1,1,1,1,1,2,2,2,2,2,3,3,3,3,3,4,4,4,4,4],
'Country': [
'US','Japan','Brazil','UK','US','Brazil','Japan','Brazil','US','US','US','Japan','Brazil','UK','Brazil','Japan','Japan','Brazil','UK','US']
}df = pd.DataFrame(employees, columns= [
'Name of Employee','Sales','Quarter','Country'])pivot = df.pivot_table(index=[
'Country'], values=[
'Sales'], aggfunc={'median','mean','min'})print (pivot)然后你会得到以下结果：
文章图片
想要绘制结果？
Pandas创建数据透视表的方法 - 没问题，只需应用以下Pandas创建数据透视表示例代码：
import matplotlib.pyplot as plt
import pandas as pdemployees = {'Name of Employee': [
'Jon','Mark','Tina','Maria','Bill','Jon','Mark','Tina','Maria','Bill','Jon','Mark','Tina','Maria','Bill','Jon','Mark','Tina','Maria','Bill'],
'Sales': [
1000,300,400,500,800,1000,500,700,50,60,1000,900,750,200,300,1000,900,250,750,50],
'Quarter': [
1,1,1,1,1,2,2,2,2,2,3,3,3,3,3,4,4,4,4,4],
'Country': [
'US','Japan','Brazil','UK','US','Brazil','Japan','Brazil','US','US','US','Japan','Brazil','UK','Brazil','Japan','Japan','Brazil','UK','US']
}df = pd.DataFrame(employees, columns= [
'Name of Employee','Sales','Quarter','Country'])pivot = df.pivot_table(index=[
'Country'], values=[
'Sales'], aggfunc={'median','mean','min'}).plot()plt.show()然后你会得到这个情节：
文章图片
结论 – 在 Python 中使用 Pandas 数据透视表如何使用Pandas创建数据透视表？数据透视表传统上与MS Excel相关联。但是，你可以使用Pandas在 Python 中轻松创建数据透视表。
你刚刚看到了如何在 5 个简单场景中创建数据透视表。但是这里回顾的概念可以应用于大量不同的场景。
你可以通过访问pandas 文档找到有关数据透视表的其他信息。
推荐阅读
- 如何从Pandas DataFrame中删除重复项（）
- 如何对Pandas DataFrame进行排序（示例代码）
- 如何将Pandas DataFrame转换为列表（）
- 如何连接Pandas DataFrame中的列值（）
- 在Pandas DataFrame中应用IF条件的5种方法
- 安装系统 电脑重装系统,教您电脑怎样运用U盘重装win7系统
- u盘东西删不掉,教您如何恢复正常
- u盘驱动_教您U盘万能驱动
- 笔记本usb接口没反应,教您处理笔记本USB接口没反应的办法