Pivot 及 Pivot_table函數用法
Pivot和Pivot_table函數都是對數據做透視表而使用的。其中的區別在于Pivot_table可以支持重復元素的聚合操作，而Pivot函數只能對不重復的元素進行聚合操作。
在一般的日常業務中，因為Pivot_table的功能更為強大,Pivot能做的不能做的Pivot_table都可做。所以只需要記住Pivot_table函數用法就好了。
Pivot函數的使用演示
#%%
import pandas as pd
df01 = pd.DataFrame(
{
"年份":[2019,2019,2019,2020,2020,2020],
"平臺":["京東","淘寶","拼多多","京東","淘寶","拼多多"],
"銷量":[100,200,300,400,500,600]
}
)
df01
#%%
pd.pivot(df01,
index = "年份",
columns = "平臺",
values = "銷量")
#%%
聚合后結果
Pivot_table函數的使用演示
注釋：index指定什么元素作為index顯示，columns指定列，values指定統計的值。一般values都為int后者float類型的值。aggfunc為聚合函數可以指定（mean,sum,Min,Max等統計運算等函數，如果不指定默認為mean均值）
df02 = pd.DataFrame(
{
"年份":[2019,2019,2019,2019,2020,2020,2020,2020],
"平臺":["京東","淘寶","淘寶","拼多多","京東","淘寶","拼多多","拼多多"],
"銷量":[100,200,300,400,500,600,700,800]
}
)
df02
#%%
#pivot_table用的很多.因為可以對重復的元素進行聚合操作.而pivot函數只能對不重復的行進行運算
pd.pivot_table(df02,
index="年份",
columns="平臺",
values="銷量",
aggfunc=sum #聚合函數來對銷量進行運算.可以指定最大，最小,平均值等函數.默認為mean平均值
)
#%%
聚合結果
對比結果：這里要強調一點的是，2020年平臺為拼多多的數據出現了2次，而且2次的值不同。在pivot函數中是無法對這種重復平臺的數據進行聚合的，但是Pivot_table則可以。
另外通過聚合函數aggfunc指定sum求和，可以把2次的值累加統計。
Pivot_table函數真實案例演示
1. 讀取表格數據
#%%
df = pd.read_excel("./datas/result_datas.xlsx",
).convert_dtypes() #讀取數據并自動轉化type
df.dtypes
#%%
df.head(3)
#%%
2. 通過Pivot_table函數透視合并數據并對金額和數量做統計
因為涉及到敏感信息，因此服務卡卡號等敏感信息部分遮掩不顯示。但是通過部分結果也可以看出是按照號碼進行升序排序的
#按照自定義指定index,columns,values值
result = pd.pivot_table(df,
index = ["姓名","服務卡卡號","明細","規格"],
values = ["理賠金額（元）","數量"],
aggfunc=sum
)
result = result.sort_values("服務卡卡號") #按照指定values值排序
result
#%%
#輸出到文件
result.to_excel("./datas/output_datas.xlsx")
print("Done!!!")
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
