(pandas pivot_table) 详解pandas.pivot_table()（创建透视表）函数使用方法数据透视表创建之道：Pandas中的pivot_table()函数全网首发(图文详解1)

(pandas pivot_table) 详解pandas.pivot_table()（创建透视表）函数使用方法

Pandas 中的 pivot_table() 函数非常实用，它主要用于创建数据透视表。透视表是一种可以对数据动态排布并且分类汇总的表格格式。或者说，通过透视表我们可以很容易地按照要求将数据重新进行格式化。

以下是 pivot_table() 函数的基础语法：

pandas.pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')

参数解释：

data：需要处理的DataFrame。
values：用于指定需要聚合的字段。
index：在透视表的行上进行分组的字段。
columns：在透视表的列上进行分组的字段。
aggfunc：定义在值上的聚合函数，默认为’mean’，支持numpy的函数
fill_value：替换结果表中的缺失值。
margins：添加行/列小计和总计，默认为False。
dropna：默认为True，是删除观测到的分类都拥有缺失值。
margins_name：默认为’All’，需要margins=True时，用于覆盖行和/或列名。

以下是一个详细的使用方法：

假设我们有一个关于用户信息的DataFrame，如下所示：

import pandas as pd
import numpy as np

# 建立数据
df = pd.DataFrame({"A": ["人物", "人物", "事物", "事物", "事物"],
                   "B": ["一", "二", "一", "二", "一"],
                   "C": ["小玩意", "重物", "盒子", "盒子", "重物"],
                   "D": [1, 2, 3, 4, 5],
                   "E": [10, 20, 30, 40, 50]})

print(df)

使用 pivot_table() 函数创建透视表:

# 创建透视表
pivot_table_df = pd.pivot_table(df, values='D', index=['A', 'B'],
                                columns=['C'], aggfunc=np.sum)

print(pivot_table_df)

在这个例子中，我们将 ‘A’ 和 ‘B’ 设置为透视表的索引 (index)，’C’ 设置为列，’D’ 是我们要聚合的值，使用numpy中的 ‘sum’ 函数进行聚合。得到的结果是 ‘A’ 和 ‘B’ 的不同组合下 ‘C’ 的不同类别对 ‘D’ 的求和结果的一个透视表。
(python 列表切片) 详解Python 列表切片技巧 Python 列表切片基本用法全网首发(图文详解1)
(Python字节类型) Python bytes类型详解 Python bytes 类型概述全网首发(图文详解1)