数据分析——python，pandas：DataFrame对象（pivot_table函数的使用）数据透视表

Posted 2021-06-26 小乖乖的臭坏坏

如果刚刚看过这篇博文：
数据分析——python，pandas：DataFrame对象（groupby函数的使用）排序
https://blog.csdn.net/weixin_42887138/article/details/117676527

那我就直接上代码了：

import pandas as pd
import numpy as np

a = [[1,2,3,4,5],[1,3,6,8,0],[2,2,6,0,2],[2,2,5,7,6]]
col = ['a','b','c','d','e']

df_data = pd.DataFrame(a,columns=col)
print('df_data:\\n', df_data, '\\n')

df = df_data.groupby(['a','b','c']).sum()

会有这样一张表：

那么，这篇博文要讲的是数据透视表，主要由函数pivot_table实现。这个函数中无论是构建成新表的索引指标index，列columns，表中的值values，都是由原来的表格的列来确定。
举个例子：以b和d列作为新表的行，c列作为新表的咧，e列中的值作为新表中的值。

df = df.pivot_table(index=['b','d'], columns='c', values='e', fill_value=0)

接下来，给完整代码以欣赏：

import pandas as pd
import numpy as np

a = [[1,2,3,4,5],[1,3,6,8,0],[2,2,6,0,2],[2,2,5,7,6]]
col = ['a','b','c','d','e']

df_data = pd.DataFrame(a,columns=col)
print('df_data:\\n', df_data, '\\n')

df = df_data.groupby(['a','b','c']).sum()
#数据透视表的作用是将原来的数据表中的列名，分别设置到行、列和值，然后建立一张具有全新意义的新表。
df = df.pivot_table(index=['b','d'], columns='c', values='e', fill_value=0)
df.reset_index(inplace=True)
print(df)

运行结果：

作于：
2021-6-7
23：13