对比Excel，学习pandas数据透视表
以下文章来源于凹凸数据 ，作者黄同学
人人都是数据分析师！
你好，我是可乐
Python的学习总是那么不易，要是有Excel对照着就好很多
今天分享的这篇文章就是对比着学习喽
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：
往期推荐
点个在看你最好看