作者：俊欣

來源：關于數(shù)據(jù)分析與可視化

相信大家都用在Excel當中使用過數(shù)據(jù)透視表(一種可以對數(shù)據(jù)動態(tài)排布并且分類匯總的表格格式)，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(shù)的主要用途。

導入模塊和讀取數(shù)據(jù)

那我們第一步仍然是導入模塊并且來讀取數(shù)據(jù)，數(shù)據(jù)集是北美咖啡的銷售數(shù)據(jù)，包括了咖啡的品種、銷售的地區(qū)、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'])

那小編這里將讀取數(shù)據(jù)封裝成了一個自定義的函數(shù)，讀者也可以根據(jù)自己的習慣來進行數(shù)據(jù)的讀取

df = load_data()
df.head()

output

通過調用info()函數(shù)先來對數(shù)據(jù)集有一個大致的了解

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

初體驗

在pivot_table函數(shù)當中最重要的四個參數(shù)分別是index、values、columns以及aggfunc，其中每個數(shù)據(jù)透視表都必須要有一個index，例如我們想看每個地區(qū)咖啡的銷售數(shù)據(jù)，就將“region”設置為index

df.pivot_table(index='region')

output

當然我們還可以更加細致一點，查看每個地區(qū)中不同咖啡種類的銷售數(shù)據(jù)，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

進階的操作

上面的案例當中，我們以地區(qū)“region”為索引看到了各項銷售指標，當中有成本、庫存、凈利潤以及銷量這個4個指標的數(shù)據(jù)，那要是我們想要單獨拎出某一個指標來看的話，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”這一指標，又或者我們想要看一下凈利潤，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(shù)據(jù)聚合時進行的函數(shù)操作，通常情況下，默認的都是求平均數(shù)，這里我們也可以指定例如去計算總數(shù)，

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

output

或者我們也可以這么來寫

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

當然我們要是覺得只有一個聚合函數(shù)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

剩下最后的一個關鍵參數(shù)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(shù)，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(qū)的銷量總和，要是我們不調用columns參數(shù)，而是統(tǒng)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著一些缺失值，我們可以選擇將這些缺失值替換掉

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

output

熟能生巧

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(qū)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(shù)

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

output

最后的最后，我們調用pivot_table函數(shù)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