Python学习笔记—pivot_table()数据透视表

---

前言

excel有很强大的数据透视表功能，不仅可以做全局统计分析，还可以做联动效果的分析图表。同样python也有数据透视表功能，就是pivot_table。

---

一、pivot_table数据透视表

用好pivot_table，比excel能更多更快的处理数据。
pivot_table参数列表：

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

同样可以写成：
data.pivot_table(’ data列名’，index，columns，aggfunc…）

常用参数释义：
data：要进行数据透视的数据
values：要做计算的数据 ，对谁求和/求均值/计算个数等
index：确定行参数，可以是多个。单个’‘，多个[’‘,’‘]表示
columns：确定列参数，可以是多个。单个’‘，多个[’‘,’']
aggfunc：要计算的函数，mean求均值、sum求和、size计算个数
dropna：表示是否计算全为NaN的数据。bool类型，默认True 不计算
sort：对values结果进行排序。bool类型 默认False 升序

二、操作步骤

用pivot_table对数据进行sum、mean及计算个数统计。

all_data数据展示如下：

all_data:
user_id movie_id rating timestamp gender age occupation zip title genres
0 1 1 5 978824268 F 1 10 48067 Toy Story (1995) Animation|Children’s|Comedy
1 6 1 4 978237008 F 50 9 55117 Toy Story (1995) Animation|Children’s|Comedy
2 8 1 4 978233496 M 25 12 11413 Toy Story (1995) Animation|Children’s|Comedy
3 9 1 5 978225952 M 25 17 61614 Toy Story (1995) Animation|Children’s|Comedy
4 10 1 5 978226474 F 35 1 95370 Toy Story (1995) Animation|Children’s|Comedy

1.具体代码及结果

代码如下：

import pandas as pd
#按性别分级的每部电影的平均评分 pivot_table  数据透视表。 对每部电影的rating 按性别进行平均值操作
mean_ratings = all_data.pivot_table('rating',index = 'title',columns = 'gender' ,aggfunc ='mean' )

#并显示前5行结果
mean_ratings[:5]  
复制

#对每部电影的总评分按性别进行分组统计：
movie_xingbie = pd.pivot_table(all_data,index=['title','gender'],values='rating',aggfunc = 'sum',sort =False)

并显示前10行结果：
movie_xingbie[:10]

复制

2.其他操作

代码如下：

#按电影名进行分组查看评分
ratings_by_title = all_data.groupby('title').size()
ratings_by_title[:10]
复制

---

总结

新手学习pivot_table中，希望我的笔记可以帮助你更好的理解。

【每天积累一点点，python的路上就少迷惑一点，更高效一些】