对比Excel 学习pandas数据透视表

Excel中做数据透视表

① 选中整个数据源；

② 依次点击“插入”—“数据透视表”

③ 选择在Excel中的哪个位置，插入数据透视表

④ 然后根据实际需求，从不同维度展示结果

⑤ 结果如下

pandas用pivot_table()做数据透视表

1）语法格式

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

2）对比excel，说明上述参数的具体含义

参数说明：

• data 相当于Excel中的"选中数据源"；

• index 相当于上述"数据透视表字段"中的行；

• columns 相当于上述"数据透视表字段"中的列；

• values 相当于上述"数据透视表字段"中的值；

• aggfunc 相当于上述"结果"中的计算类型；

• margins 相当于上述"结果"中的总计；

• margins_name 相当于修改"总计"名，为其它名称；

下面几个参数，用的较少，记住干嘛的，等以后需要就百度。

• dropna 表示是否删除缺失值，如果为True时，则把一整行全作为缺失值删除；

• fill_value 表示将缺失值，用某个指定值填充。

案例说明

1）求出不同品牌下，每个月份的销售数量之和

① 在Excel中的操作结果如下

② 在pandas中的操作如下

df = pd.read_excel(r"C:\Users\黄伟\Desktop\pivot_table.xlsx")display(df.sample(5))df.insert(1,"月份",df["销售日期"].apply(lambda x:x.month))display(df.sample(5))df1 = pd.pivot_table(df,index="品牌",columns="月份",                     values="销售数量",aggfunc=np.sum)display(df1)

结果如下：

2）求出不同品牌下，每个地区、每个月份的销售数量之和

① 在Excel中的操作结果如下

② 在pandas中的操作如下

df = pd.read_excel(r"C:\Users\黄伟\Desktop\pivot_table.xlsx")display(df.sample(5))df.insert(1,"月份",df["销售日期"].apply(lambda x:x.month))display(df.sample(5))df1 = pd.pivot_table(df,index="品牌",columns=["销售区域","月份"],                     values="销售数量",aggfunc=np.sum)display(df1)

结果如下：

3）求出不同品牌不同地区下，每个月份的销售数量之和

① 在Excel中的操作结果如下

② 在pandas中的操作如下

df = pd.read_excel(r"C:\Users\黄伟\Desktop\pivot_table.xlsx")display(df.sample(5))df.insert(1,"月份",df["销售日期"].apply(lambda x:x.month))display(df.sample(5))df1 = pd.pivot_table(df,index=["品牌","销售区域"],columns="月份",                     values="销售数量",aggfunc=np.sum)display(df1)

结果如下：

4）求出不同品牌下的“销售数量之和”与“货号计数”

① 在Excel中的操作结果如下

② 在pandas中的操作如下

df = pd.read_excel(r"C:\Users\黄伟\Desktop\pivot_table.xlsx")display(df.sample(5))df.insert(1,"月份",df["销售日期"].apply(lambda x:x.month))display(df.sample(5))df1 = pd.pivot_table(df,index="品牌",columns="月份",                     values=["销售数量","货号"],                     aggfunc={"销售数量":"sum","货号":"count"},                     margins=True,margins_name="总计")display(df1)

结果如下：

学习来源