作者：俊欣

來源：關于數據分析與可視化

相信大家都用在Excel當中使用過數據透視表(一種可以對數據動态排布并且分類彙總的表格格式)，也體驗過它的強大功能，在Pandas模塊當中被稱作是pivot_table，今天小編就和大家來詳細聊聊該函數的主要用途。

那我們第一步仍然是導入模塊并且來讀取數據，數據集是北美咖啡的銷售數據，包括了咖啡的品種、銷售的地區、銷售的利潤和成本、銷量以及日期等等

import pandas as pd def load_data(): return pd.read_csv('coffee_sales.csv', parse_dates=['order_date'])

那小編這裡将讀取數據封裝成了一個自定義的函數，讀者也可以根據自己的習慣來進行數據的讀取

df = load_data() df.head()

output

通過調用info()函數先來對數據集有一個大緻的了解

df.info()

output

<class 'pandas.core.frame.DataFrame'> RangeIndex: 4248 entries, 0 to 4247 Data columns (total 9 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 order_date 4248 non-null datetime64[ns] 1 market 4248 non-null object 2 region 4248 non-null object 3 product_category 4248 non-null object 4 product 4248 non-null object 5 cost 4248 non-null int64 6 inventory 4248 non-null int64 7 net_profit 4248 non-null int64 8 sales 4248 non-null int64 dtypes: datetime64[ns](1), int64(4), object(4) memory usage: 298.8 KB

在pivot_table函數當中最重要的四個參數分别是index、values、columns以及aggfunc，其中每個數據透視表都必須要有一個index，例如我們想看每個地區咖啡的銷售數據，就将“region”設置為index

df.pivot_table(index='region')

output

當然我們還可以更加細緻一點，查看每個地區中不同咖啡種類的銷售數據，因此在索引中我們引用“region”以及“product_category”兩個，代碼如下

df.pivot_table(index=['region', 'product_category'])

output

上面的案例當中，我們以地區“region”為索引看到了各項銷售指标，當中有成本、庫存、淨利潤以及銷量這個4個指标的數據，那要是我們想要單獨拎出某一個指标來看的話，代碼如下所示

df.pivot_table(index=['region'], values=['sales'])

output

這也就是我們上面提到的values，在上面的案例當中我們就單獨拎出了“銷量”這一指标，又或者我們想要看一下淨利潤，代碼如下

df.pivot_table(index=['region'], values=['net_profit'])

output

另外我們也提到了aggfunc，可以設置我們對數據聚合時進行的函數操作，通常情況下，默認的都是求平均數，這裡我們也可以指定例如去計算總數，

df.pivot_table(index=['region'], values=['sales'], aggfunc='sum')

output

或者我們也可以這麼來寫

df.pivot_table(index=['region'], values=['sales'], aggfunc={ 'sales': 'sum' })

當然我們要是覺得隻有一個聚合函數可能還不夠，我們可以多來添加幾個

df.pivot_table(index=['region'], values=['sales'], aggfunc=['sum', 'count'])

output

剩下最後的一個關鍵參數columns類似于之前提到的index用來設置列層次的字段，當然它并不是一個必要的參數，例如

df.pivot_table(index=['region'], values=['sales'], aggfunc='sum', columns=['product_category'])

output

在“列”方向上表示每種咖啡在每個地區的銷量總和，要是我們不調用columns參數，而是統一作為index索引的話，代碼如下

df.pivot_table(index=['region', 'product_category'], values=['sales'], aggfunc='sum')

output

同時我們看到當中存在着一些缺失值，我們可以選擇将這些缺失值替換掉

df.pivot_table(index=['region', 'product_category'], values=['sales'], aggfunc='sum')

output

我們再來做幾組練習，我們除了想要知道銷量之外還想知道各個品種的咖啡在每個地區的成本如何，我們在values當中添加“cost”的字段，代碼如下

df.pivot_table(index=['region'], values=['sales', 'cost'], aggfunc='sum', columns=['product_category'], fill_value=0)

output

同時我們還能夠計算出總量，通過調用margin這個參數

df.pivot_table(index=['region', 'product_category'], values=['sales', 'cost'], aggfunc='sum', fill_value=0, margins=True)

output

最後的最後，我們調用pivot_table函數來制作一個2010年度咖啡銷售的銷量年報，代碼如下

month_gp = pd.Grouper(key='order_date',freq='M') cond = df["order_date"].dt.year == 2010 df[cond].pivot_table(index=['region','product_category'], columns=[month_gp], values=['sales'], aggfunc=['sum'])

output

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!