DataFrame.pivot_table(self, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All', observed=False) → 'DataFrame' [source]
创建电子表格样式的pivot table作为DataFrame。
pivot table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。
参数： | values ：要汇总的列，可选 index : column，Grouper，array或上一个list 如果传递数组，则其长度必须与数据长度相同。 该列表可以包含任何其他类型（列表除外）。 在pivot table索引上进行分组的键。 如果传递了数组，则其使用方式与列值相同。 columns : column，Grouper，array或上一个list 如果传递数组，则其长度必须与数据长度相同。 该列表可以包含任何其他类型（列表除外）。 在pivot table列上进行分组的键。如果传递了数组， 则其使用方式与列值相同。 aggfunc ：函数，函数列表，字典，默认 如果传递了函数列表， 则生成的pivot table将具有层次结构列， 其顶层是函数名称（从函数对象本身推论得出）。 如果传递了dict，则键为要汇总的列， 值是函数或函数列表。 fill_value ： 用于替换缺失值的值。 margins ： 添加所有行/列（例如，小计/总计）。 dropna ： 不要包括所有条目均为NaN的列。 margins_name ： 当 observed ： 仅当任何 groupers是分类者时才适用。 如果为 如果为 在版本0.25.0中进行了更改。 |
返回值： |
Excel样式的pivot table. |
例子，
1）按店铺和产品聚合销售额
import pandas as pd
# 创建数据
data = {
'店铺': ['店铺A', '店铺A', '店铺B', '店铺B',
'店铺A', '店铺B'],
'产品': ['产品1', '产品2', '产品1', '产品2',
'产品1', '产品2'],
'销售额': [100, 150, 200, 250, 120, 300]
}
df = pd.DataFrame(data)
# 使用 pivot_table 创建透视表
pivot = df.pivot_table(values='销售额',
index='店铺', columns='产品', aggfunc='sum',
fill_value=0)
print(pivot)
2）按店铺和产品聚合销售额，并计算平均值
import pandas as pd
# 创建数据
data = {
'店铺': ['店铺A', '店铺A', '店铺B', '店铺B',
'店铺A', '店铺B'],
'产品': ['产品1', '产品2', '产品1', '产品2',
'产品1', '产品2'],
'销售额': [100, 150, 200, 250, 120, 300]
}
df = pd.DataFrame(data)
pivot = df.pivot_table(values='销售额', index='店铺',
columns='产品', aggfunc='mean', fill_value=0)
print(pivot)3）添加汇总行和列（margins）
import pandas as pd
# 创建数据
data = {
'店铺': ['店铺A', '店铺A', '店铺B', '店铺B',
'店铺A', '店铺B'],
'产品': ['产品1', '产品2', '产品1', '产品2',
'产品1', '产品2'],
'销售额': [100, 150, 200, 250, 120, 300]
}
df = pd.DataFrame(data)
pivot_with_margins = df.pivot_table(values='销售额',
index='店铺', columns='产品', aggfunc='sum',
margins=True)
print(pivot_with_margins)