Python Pivot table透视表使用方法解析

Pivot 及 Pivot_table函数用法

Pivot和Pivot_table函数都是对数据做透视表而使用的。其中的区别在于Pivot_table可以支持重复元素的聚合操作，而Pivot函数只能对不重复的元素进行聚合操作。

在一般的日常业务中，因为Pivot_table的功能更为强大,Pivot能做的不能做的Pivot_table都可做。所以只需要记住Pivot_table函数用法就好了。

Pivot函数的使用演示

#%%

import pandas as pd

df01 = pd.DataFrame(
  {
    \"年份\":[2019,2019,2019,2020,2020,2020],
    \"平台\":[\"京东\",\"淘宝\",\"拼多多\",\"京东\",\"淘宝\",\"拼多多\"],
    \"销量\":[100,200,300,400,500,600]
  }
)

df01

#%%

pd.pivot(df01,
     index = \"年份\",
     columns = \"平台\",
     values = \"销量\")

#%%

聚合后结果

Pivot_table函数的使用演示

注释：index指定什么元素作为index显示，columns指定列，values指定统计的值。一般values都为int后者float类型的值。aggfunc为聚合函数可以指定（mean,sum,Min,Max等统计运算等函数，如果不指定默认为mean均值）

df02 = pd.DataFrame(
  {
    \"年份\":[2019,2019,2019,2019,2020,2020,2020,2020],
    \"平台\":[\"京东\",\"淘宝\",\"淘宝\",\"拼多多\",\"京东\",\"淘宝\",\"拼多多\",\"拼多多\"],
    \"销量\":[100,200,300,400,500,600,700,800]
  }
)
df02
#%%
#pivot_table用的很多.因为可以对重复的元素进行聚合操作.而pivot函数只能对不重复的行进行运算

pd.pivot_table(df02,
        index=\"年份\",
        columns=\"平台\",
        values=\"销量\",
        aggfunc=sum #聚合函数来对销量进行运算.可以指定最大，最小,平均值等函数.默认为mean平均值
)
#%%

聚合结果

对比结果：这里要强调一点的是，2020年平台为拼多多的数据出现了2次，而且2次的值不同。在pivot函数中是无法对这种重复平台的数据进行聚合的，但是Pivot_table则可以。

另外通过聚合函数aggfunc指定sum求和，可以把2次的值累加统计。

Pivot_table函数真实案例演示

1. 读取表格数据

#%%
df = pd.read_excel(\"./datas/result_datas.xlsx\",
         ).convert_dtypes()  #读取数据并自动转化type
df.dtypes
#%%
df.head(3)
#%%

2. 通过Pivot_table函数透视合并数据并对金额和数量做统计

因为涉及到敏感信息，因此服务卡卡号等敏感信息部分遮掩不显示。但是通过部分结果也可以看出是按照号码进行升序排序的

#按照自定义指定index,columns,values值
result = pd.pivot_table(df,
        index = [\"姓名\",\"服务卡卡号\",\"明细\",\"规格\"],
        values = [\"理赔金额（元）\",\"数量\"],
        aggfunc=sum
        )
result = result.sort_values(\"服务卡卡号\") #按照指定values值排序
result

#%%

#输出到文件
result.to_excel(\"./datas/output_datas.xlsx\")
print(\"Done!!!\")