python 用pandas实现数据透视表功能

pivot_table(data,  # DataFrame
      values=None,  # 值
      index=None,  # 分类汇总依据
      columns=None,  # 列
      aggfunc=\'mean\',  # 聚合函数
      fill_value=None,  # 对缺失值的填充
      margins=False,  # 是否启用总计行/列
      dropna=True,  # 删除缺失
      margins_name=\'All\'  # 总计行/列的名称
      )

import os
import numpy as np
import pandas as pd

file_name = os.path.join(path, \'Excel_test.xls\')
df = pd.read_excel(io=file_name,  # 工作簿路径
          sheetname=\'透视表\',  # 工作表名称
          skiprows=1,  # 要忽略的行数
          parse_cols=\'A:D\'  # 读入的列
         )
df

# 透视数据
df_p = df.pivot_table(index=\'客户名称\',  # 透视的行，分组依据
           values=\'销量\',  # 值
           aggfunc=\'sum\'  # 聚合函数
           )
# 对透视表进行降序排列
df_p = df_p.sort_values(by=\'销量\',  # 排序依据
            ascending=False  # 是否升序排列
            )
# 设置数值格式
df_p = df_p.round({\'销量\': 0}).astype(\'int\')

# 添加列
ks = df_p[\'销量\']//100
df_p[\'重要程度\'] = [\'★\'*k for k in ks]
df_p

df_p[\'客户名称\'] = df_p.index
df_p.set_index(keys=[\'重要程度\', \'客户名称\'])

grouped = df.groupby(by=\'客户名称\')
grouped[\'销量\'].agg(\'sum\')

# 分类汇总
df_p = df.groupby(by=\'客户名称\'  # 分类
         ).agg(\'sum\'  # 汇总
           ).sort_values(by=\'销量\', ascending=False  # 排序
                  ).round({\'销量\': 0}  # 设置精度
                     ).astype(\'int\')  # 数据类型转换

# 添加列
ks = df_p[\'销量\']//100
df_p[\'重要程度\'] = [\'★\'*k for k in ks]
df_p[\'客户名称\'] = df_p.index
# 层次索引
df_p.set_index(keys=[\'重要程度\', \'客户名称\'])