2018.03.29 python-pandas 数据透视pivot table / 交叉表crosstab

Posted 2020-10-28 SAP Tab

 1 #透视表 pivot table
 2 #pd.pivot_table(data,values=None,index=None,columns=None,
 3 import numpy as np
 4 import pandas as pd              aggfunc=‘mean‘,fill_value=None,margins=False,dropna=True,margins_name=‘ALL‘)
 5 date = [‘2017-5-1‘,‘2017-5-2‘,‘2017-5-3‘]*3
 6 rng = pd.to_datetime(date)
 7 df = pd.DataFrame({‘date‘:rng,
 8                    ‘key‘:list(‘abcdabcda‘),
 9                    ‘values‘:np.random.rand(9)*10})
10 print(df)
11 print(‘-----‘)
12 
13 print(pd.pivot_table(df,values = ‘values‘,index = [‘date‘],columns=‘key‘,aggfunc=np.sum))#也可以aggfunc=‘sum‘
14 print(‘-----‘)
15 #data:DataFrame对象
16 #values：要聚合的列或列的列表
17 #index：数据透视的index，从原始数据的列中筛选
18 #columns：数据透视表的columns，从原始数据的列中筛选
19 #aggfunc：用于聚合的函数，默认为numpy，mean，支持numpy计算方法
20 print(pd.pivot_table(df,values = ‘values‘,index = [‘date‘,‘key‘],aggfunc=len))
21 print(‘------‘)
22 #这里就分别以date，key共同做数据透视，值为values：统计不同（date，key）情况下values的计数
23 #aggfunc=len（或者count）：计数

结果：
        date key    values
0 2017-05-01   a  2.562157
1 2017-05-02   b  9.604823
2 2017-05-03   c  4.770968
3 2017-05-01   d  0.654878
4 2017-05-02   a  8.839281
5 2017-05-03   b  1.211138
6 2017-05-01   c  9.570886
7 2017-05-02   d  9.915021
8 2017-05-03   a  8.551166
-----
key                a         b         c         d
date                                             
2017-05-01  2.562157       NaN  9.570886  0.654878
2017-05-02  8.839281  9.604823       NaN  9.915021
2017-05-03  8.551166  1.211138  4.770968       NaN
-----
                values
date       key       
2017-05-01 a       1.0
          　　 c       1.0
         　　  d       1.0
2017-05-02 a       1.0
       　　    b       1.0
    　　       d       1.0
2017-05-03 a       1.0
     　　      b       1.0
    　　       c       1.0
------

 1 #交叉表：crosstab
 2 #默认情况下，crosstab计算因子的频率，比如用于str的数据透视分析
 3 #pd.crosstab(index,columns,values=None,rownames=None
 4 #            ,colnames=None,aggfunc=None,margins=False,dropna=True,normalize=False)
 5 df = pd.DataFrame({‘A‘:[1,2,2,2,2],
 6                    ‘B‘:[3,3,4,4,4],
 7                    ‘C‘:[1,1,np.nan,1,1]})
 8 print(df)
 9 print(‘------‘)
10 print(pd.crosstab(df[‘A‘],df[‘B‘]))
11 print(‘------‘)
12 #如果crosstab只接收两个series，他将提供一个频率表
13 #用A的唯一值，统计B唯一值的出现次数  （A,B）= （1，3）C出现了1次   （A,B）= （2，4）出现了3次
14 
15 print(pd.crosstab(df[‘A‘],df[‘B‘],normalize=True))#以频率的方式显示
16 print(‘--------‘)
17 print(pd.crosstab(df[‘A‘],df[‘B‘],values=df[‘C‘],aggfunc=np.sum))#values:根据因子聚合的值数组
18 #aggfunc：如果未传递values数组，则计算频率表，如果传递数组，则按照指定计算
19 #这里相当于以A和B界定分组，计算出每组中第三个系列C的值
20 print(‘--------‘)
21 print(pd.crosstab(df[‘A‘],df[‘B‘],values=df[‘C‘],aggfunc=np.sum,margins=True))
22 print(‘--------‘)
23 #margins:布尔值，默认值False，添加行/列边距（小计）

结果:
   A  B    C
0  1  3  1.0
1  2  3  1.0
2  2  4  NaN
3  2  4  1.0
4  2  4  1.0
------
B  3  4
A     
1  1  0
2  1  3
------
B    3    4
A         
1  0.2  0.0
2  0.2  0.6
--------
B    3    4
A         
1  1.0  NaN
2  1.0  2.0
--------
B      3    4  All
A                
1    1.0  NaN  1.0
2    1.0  2.0  3.0
All  2.0  2.0  4.0
--------