Pandas学习笔记八——数据透视表

　

数据透视

数据透视表

数据透视表是一种类似于Groupby的操作方法，常见于excel与类似的表格应用中。数据透视表将每一列作为输入，输出将数据不断细分为多个维度累计信息的二维数据表。数据透视表相比与Groupby操作更像是一种多维的GroupBy累计操作。也就是说，虽然你也可以分割-应用-组合，但是分割和组合不是发生在一维索引上，而是在二维网络上（行和列同时分组）

#示例使用泰坦尼克号的乘客信息
import numpy as np
import pandas as pd
import seaborn as sns
titanic = sns.load_dataset('titanic')

数据透视表语法

#统计不同性别与船舱等级下泰坦尼号乘客的生还情况,累计方法默认使用mean()
titanic.pivot_table('survived', index='sex', columns='class')

#输出结果
class      First    Second     Third
sex                                 
female  0.968085  0.921053  0.500000
male    0.368852  0.157407  0.135447

#pivot_table支持多级索引，数据透视表中的分组可以通过各种参数指定多个等级
#通过pd.cut函数将年龄进行分段

age = pd.cut(titanic['age'], [1,18,80])
titanic.dropna('age').pivot_table('survived', ['sex', age], 'class')

#输出结果
class               First    Second     Third
sex    age                                   
female (18, 80]  0.909091  1.000000  0.511628
       NaN       0.972973  0.900000  0.423729
male   (18, 80]  0.800000  0.600000  0.215686
       NaN       0.375000  0.071429  0.133663

其他数据透视表选项

#DataFrame的pivot_table方法的完整签名如下：
DataFrame.pivot_table(data, value=None, index=None, columns=None, aggfunc='mean',
                      fill_value=None, margins=False,dropna=True, margins_name='All')

• aggfunc参数用于设置累计函数类型，默认值是mean()。与groupby的用法一样，累计函数可以用一些常见的字符串（‘sum’、’mean‘、’count’、‘min’、‘max’等）表示，也可以是标准的累计函数（np.sum(), np.min(), sum()等）表示。另外还可以通过字典为不同的列指定不同的累计函数。

  titanic.pivot_table(index='sex', columns='class', aggfunc={'survived':sum, 'fare':mean})
  
  
  #输出结果：
  
              fare                       survived             
  class        First     Second      Third    First Second Third
  sex                                                           
  female  106.125798  21.970121  16.118810       91     70    72
  male     67.226127  19.741782  12.661633       45     17    47

• 当需要计算每一组的总数是，可以通过margins参数来设置，margin的标签可以通过margins_name参数来设置，默认值是’All‘

  titanic.pivot_table('survived', index='sex', columns='class', margins=True)
  
  
  #输出结果：
  
  class      First    Second     Third       All
  sex                                           
  female  0.968085  0.921053  0.500000  0.742038
  male    0.368852  0.157407  0.135447  0.188908
  All     0.629630  0.472826  0.242363  0.383838

相关阅读

Python3中列表del()，remove()，pop()三个函数

del()：删除指定值 del  a[0] remove():移除指定值 a.remove("str") pop()获取并删除指定位置元素 A = ['a','b','c'] # pop

中国历朝历代年代表

朝代 起讫年代 都城 今地 统治民族 开国皇帝 三皇五帝 夏朝 约公元前 安邑 山西夏县 华夏族

related、relative和relevant表示相关意思时的区别

相同点：均有相关的意思。 不同点： 单词 英英 解释 related 1.connected by kinship, common origin, or marri

安卓 ExpandableListView二级列表使用手册

ExpandableListView大家都不陌生，只是项目中会不会经常用到那就说不定了，也许你几年都没有使用过一次呢，那不是生疏了，下面来回顾一下

linux通配符和正则表达式

1、 通配符通配符是shell在做PathnameExpansion时用到的。说白了一般只用于文件名匹配，它是由shell解析的，比如find，ls，cp，mv等。1、1