Python Pandas.pivot_table()用法及代码示例

pandas.pivot_table(data, values=None, index=None, columns=None, aggfunc=’mean’, fill_value=None, margins=False, dropna=True, margins_name=’All’)创建一个spreadsheet-style数据透视表作为DataFrame。

数据透视表中的级别将存储在结果DataFrame的索引和列上的MultiIndex对象(分层索引)中。

Parameters:

data: DataFrame
values:要汇总的列，可选
index:列，Grouper，数组或上一个列表
columns:列，Grouper，数组或上一个列表

aggfunc：函数，函数列表，字典，默认numpy.mean
->如果传递了函数列表，则生成的数据透视表将具有层次结构列，其顶级是函数名称。
->如果传递了dict，则键为要聚合的列，值为函数或函数列表

fill_value [标量，默认为无]：用替换缺失值的值
边距[布尔值，默认为False]：添加所有行/列(例如，小计/总计)
dropna [布尔值，默认为True]：不包括所有条目均为NaN的列
margins_name [字符串，默认为“全部”]：当margins为True时将包含总计的行/列的名称。

Returns: DataFrame

码：

# Create a simple dataframe 
   
# importing pandas as pd 
import pandas as pd 
import numpy as np 
   
# creating a dataframe 
df = pd.DataFrame({'A':['John', 'Boby', 'Mina', 'Peter', 'Nicky'], 
      'B':['Masters', 'Graduate', 'Graduate', 'Masters', 'Graduate'], 
      'C':[27, 23, 21, 23, 24]}) 
   
df

# Simplest pivot table must have a dataframe 
# and an index/list of index. 
table = pd.pivot_table(df, index =['A', 'B']) 
  
table

# Creates a pivot table dataframe 
table = pd.pivot_table(df, values ='A', index =['B', 'C'], 
                         columns =['B'], aggfunc = np.sum) 
  
table