如何用Python實現透視表?
相信接觸過Excel的小夥伴都知道,Excel有一個非常強大的功能**“數據透視表”**,使用數據透視表可以自由選擇不同字段,用不同的聚合函數進行彙總,並建立交叉表格,用以從不同層面觀察數據。這麼強大的功能,在Python中怎麼去實現呢?
不用擔心,Python的"數據分析小能手"Pandas很貼心地爲我們提供了一個快速實現數據透視表功能的方法——pivot_table()。事不宜遲,讓我們趕緊看看如何在Python中實現數據透視表!
1. 數據
爲幫助大家更好地理解,在講解如何使用pivot_table( )實現透視表前,我們先導入示例數據,在接下來的講解中都使用此數據作爲例子。
# 導入示例數據
<<< data =pd.read_csv("data.csv")
<<< data.head()
月份 項目 部門 金額 剩餘金額
0 1月 水費 市場部 1962.37 8210.58
1 2月 水費 市場部 690.69 9510.60
2 2月 電費 市場部 2310.12 5384.92
3 2月 電費 運營部 -1962.37 7973.10
4 2月 電費 開發部 1322.33 6572.16
下面我將帶大家使用pivot_table( )一步一步實現數據透視表的操作。
2. 操作
首先,原數據有5個字段,我們在做數據透視表之前必須理解每個字段的意思,明確清楚自己需要得到什麼信息。
假設我們想看看不同月份所花費的水電費金額是多少,這時我們需要把字段“月份”
設置爲索引,將字段“金額”
設置爲我們需要看的值,具體代碼如下:
<<< data.pivot_table(index=['月份'],values=['金額'])
金額
月份
10月 3723.940000
11月 2900.151667
12月 10768.262857
1月 1962.370000
2月 1432.280000
3月 3212.106667
4月 4019.175000
5月 4051.480000
6月 6682.632500
7月 11336.463333
8月 17523.485000
9月 10431.960000
參數index爲設置的索引列表,即分組依據,需要用中括號[ ]將索引字段括起來;參數values爲分組後進行計算的字段列表,也需要用中括號[ ]括起來。這兩個參數的值可以是一個或多個字段,即按照多個字段進行分組和對多個字段進行計算彙總。例如,設置index=[‘項目’,‘部門’]代表求不同項目
不同部門
下的金額。
<<< data.pivot_table(index=['項目','部門'],values=['金額'])
金額
項目 部門
水費 市場部 3614.318125
開發部 2358.205000
運營部 5896.213333
電費 市場部 6094.748235
開發部 1322.330000
運營部 7288.615000
採暖費 市場部 5068.380000
運營部 55978.000000
若設置values=[‘金額’,‘剩餘金額’],即求不同項目
不同部門
下金額
和剩餘金額
的值。
<<< data.pivot_table(index=['項目','部門'],values=['金額','剩餘金額'])
剩餘金額 金額
項目 部門
水費 市場部 7478.423125 3614.318125
開發部 6866.490000 2358.205000
運營部 7224.033333 5896.213333
電費 市場部 7645.535882 6094.748235
開發部 6572.160000 1322.330000
運營部 8821.895000 7288.615000
採暖費 市場部 6572.030000 5068.380000
運營部 7908.560000 55978.000000
同時,如果我們想以交叉表的形式查看不同項目和不同部門下的消費金額,這時就要將字段‘部門’設置爲列名,進行交叉查看,具體代碼如下:
<<< data.pivot_table(index=['項目'],columns=['部門'],values=['金額'])
金額
部門 市場部 開發部 運營部
項目
水費 3614.318125 2358.205 5896.213333
電費 6094.748235 1322.330 7288.615000
採暖費 5068.380000 NaN 55978.000000
通過上面的示例,我們可以看到某個分組下不存在記錄會被標記爲NAN,例如上述中採暖部
和開發部
不存在金額
這一字段的記錄,則會標記爲NAN。如果不希望被標記爲NAN,我們可以通過設置參數fill_value=0來用數值0替代這部分的缺失值。
<<< data.pivot_table(index=['項目'],columns=['部門'],values=['金額'],fill_value=0)
金額
部門 市場部 開發部 運營部
項目
水費 3614.318125 2358.205 5896.213333
電費 6094.748235 1322.330 7288.615000
採暖費 5068.380000 0.000 55978.000000
在上面的示例中,我們都是默認分組後對值進行求平均值計算,假如我們想查看不同項目不同部門下金額的總和該怎麼實現呢?
通過設置參數aggfunc=np.sum即可對分組後的值進行求和操作,參數aggfunc代表分組後值的彙總方式,可傳入numpy庫中的聚合方法。
<<< data.pivot_table(index=['項目'],columns=['部門'],values=['金額'],fill_value=0,aggfunc=np.sum)
金額
部門 市場部 開發部 運營部
項目
水費 57829.09 4716.41 17688.64
電費 103610.72 1322.33 29154.46
採暖費 5068.38 0.00 55978.00
除了常見的求和、求平均值這兩種聚合方法,我們還可能接觸到以下這幾種:
描述 | 方法 |
---|---|
標準差 | np.std() |
方差 | np.var() |
所有元素相乘 | np.prod() |
中數 | np.median() |
冪運算 | np.power() |
開方 | np.sqrt() |
最小值 | np.min() |
最大值 | np.max() |
以e爲底的指數 | np.exp(10) |
對數 | np.log(10) |
與前面介紹的參數index,columns,value一樣,參數aggfunc傳入的值也是一個列表,表示可傳入一個或多個值。當傳入多個值時,表示對該值進行多種彙總方式,例如同時求不同項目不同部門下金額的求和值和平均值:
<<< data.pivot_table(index=['項目'],columns=['部門'],values=['金額'],fill_value=0,aggfunc=[np.sum,np.max])
sum amax
金額 金額
部門 市場部 開發部 運營部 市場部 開發部 運營部
項目
水費 57829.09 4716.41 17688.64 16807.58 2941.28 6273.56
電費 103610.72 1322.33 29154.46 18239.39 1322.33 26266.60
採暖費 5068.38 0.00 55978.00 5068.38 0.00 55978.00
同時,如果我們想對不同字段進行不同的彙總方式,可通過對參數aggfunc傳入字典來實現,例如我們可以同時對不同項目
不同部門
下,對字段金額
求總和值,對字段剩餘金額
求平均值:
<<< data.pivot_table(index=['項目'],columns=['部門'],values=['金額','剩餘金額'],fill_value=0,aggfunc={'金額':np.sum,'剩餘金額':np.max})
剩餘金額 金額
部門 市場部 開發部 運營部 市場部 開發部 運營部
項目
水費 9510.60 8719.34 7810.38 57829.09 4716.41 17688.64
電費 9625.27 6572.16 9938.82 103610.72 1322.33 29154.46
採暖費 6572.03 0.00 7908.56 5068.38 0.00 55978.00
另外,在進行以上功能的同時,pivot_table還爲我們提供了一個求所有行及所有列對應合計值的參數margins
,當設置參數margins=True
時,會在輸出結果的最後添加一行**‘All’,表示根據columns
進行分組後每一項的列總計值;以及在輸出結果的最後添加一列’All’**,表示根據index
進行分組後每一項的行總計值。
<<< pd.set_option('precision',0)
<<< data.pivot_table(index=['項目'],columns=['部門'],values=['金額','剩餘金額'],fill_value=0,aggfunc={'金額':np.sum,'剩餘金額':np.max},margins=True)
剩餘金額 金額
部門 市場部 開發部 運營部 All 市場部 開發部 運營部 All
項目
水費 9511 8719 7810 9511 57829 4716 17689 80234
電費 9625 6572 9939 9939 103611 1322 29154 134088
採暖費 6572 0 7909 7909 5068 0 55978 61046
All 9625 8719 9939 9939 166508 6039 102821 275368
3. 番外
上面詳細介紹瞭如何在python中通過pivot_table( )方法實現數據透視表的功能,那麼,與數據透視表原理相同,顯示方式不同的**‘數據透視圖’**又該怎麼實現呢?
實現方法非常簡單,將上述進行pivot_table操作後的對象進行實例化,再對實例化後的對象進行plot繪圖操作即可,具體代碼如下:
<<< df=data.pivot_table(index=['項目'],columns=['部門'],values='金額',fill_value=0)
<<< df.plot(kind='bar')