0107-【课程实战】-Python数据分析炒菜-第10章-数据分组/数据透视表

文章目录

• • 10.1 数据分组
  • • 10.1 分组键是列名
    • 10.1.2 分组键是Series
    • 10.1.3 神奇的aggregate方法
    • 10.1.4 对分组后的结果重置索引
  • 10.2 数据透视表

10.1 数据分组

10.1 分组键是列名

import pandas as pd
import numpy as npdf = pd.read_csv(r"C:\Users\leadi\Python\01.python\input\train-pivot.csv",encoding="gbk")
df

单列

df.groupby("客户分类")输出
df.groupby("客户分类").count()

df.groupby("客户分类").sum()

多列

df.groupby(["客户分类","区域"]).sum()

10.1.2 分组键是Series

df.groupby(df["客户分类"]).sum()

与单列一致

df.groupby([df["客户分类"],df["区域"]]).sum()

10.1.3 神奇的aggregate方法

可以同时，做多个汇总

df.groupby("客户分类").aggregate(["count","sum"])

针对不同的列进行汇总

df.groupby("客户分类").aggregate({"用户ID":"count","7月销量":"sum"})

10.1.4 对分组后的结果重置索引

df.groupby("客户分类").aggregate({"用户ID":"count","7月销量":"sum"}).reset_index()

10.2 数据透视表

pd.pivot_table(df,values = "用户ID",columns = "区域",index = "客户分类",aggfunc = "count",margins = True)

• df 数据框

• value 对象为值

• columns 列名分类

• index 行分类

• aggfunc 计算方式

• margins 两边的all统计
  

• margins _name 替换名

• fill_value ，缺失填充值

替换名

pd.pivot_table(df,values = "用户ID",columns = "区域",index = "客户分类",aggfunc = "count",margins = True,margins_name = "总计")

填充

pd.pivot_table(df,values = "用户ID",columns = "区域",index = "客户分类",aggfunc = "count",margins = True,margins_name = "总计",fill_value = 0)

多列分别统计

pd.pivot_table(df,values = ["用户ID","7月销量"],columns = "区域",index = "客户分类",aggfunc = {"用户ID":"count","7月销量":"sum"},margins = True,margins_name = "总计",fill_value = 0)

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！