|
常用Excel的朋友应该都离不开数据透视表了吧，哈哈。在进行探索数据分析的时候，数据透视表是非常好的一项工具，它能帮助我们从多个维度对数据进行探索，还能计算多种聚合值，比如均值、中位数等。 但是想要进阶成为更全面的数据分析师，学好一门适合数据分析的编程语言是必不可少的。Python和R都是不错的选择，不过Python的应用范围更广，所以在这里我更推荐Python。今天，我们就来看一下如何在Python中使用groupby和pivot_table来构建数据透视表。 生成示例数据我们生成一些数据用于后边的讲解，假设有8个学生的考试成绩数据，8人分别来自四个班级，有男有女。 import pandas as pdclasses = ['A', 'B', 'A', 'B', 'C', 'D', 'D', 'C']gender = ['M', 'F', 'M', 'F', 'M', 'F', 'M', 'F']score = [100, 90, 80, 70, 60, 85, 77, 92]df = pd.DataFrame({ 'class': classes, 'gender': gender, 'score': score})df 一、groupby()结合aggretate()/agg()进行聚合统计# 求每个班的人数df.groupby('class').count()# 求每个班成绩的均值df.groupby('class')['score'].mean()# 分别求男女生中的最高分df.groupby('gender')['score'].max()# 求每个班、男女生成绩的均值df.groupby(['class', 'gender'])['score'].mean() 如果pandas就这么点本事，就不值得我给你们介绍了。我们可以使用agg()函数或者aggregate()函数来选择对我们的GroupBy对象执行哪种或哪些聚合方法。 df.groupby(['class', 'gender'])['score'].agg(['count', 'mean', 'max', 'min']) 二、pivot_table与melt我们知道，在Excel中，数据透视表不光能指定行维度，还能指定列维度。虽然使用groupby结合unstack()也可以实现，但是在pandas中，我们有更加专门的pivot_table()函数可以一步到位。 我们试着用班级作为行，用性别作为列，来求每个单元内的成绩均值。 df.pivot_table(index='class', columns='gender', values='score', fill_value=0, aggfunc='mean') 这里，我们用fill_value=0指定了缺失值填补为0，用aggfunc指定聚合函数，注意，这里我们还可以自定义聚合函数哦，比如求第二大的值、求标准差等等，这样就比Excel的数据透视表更加灵活了。 已经转换成数据透视表的数据还可以变换成堆叠起来的数据，比如上边的F/M两列我们仍然可以用一列gender来表示。 df2 = df.pivot_table(index='class', columns='gender', values='score', fill_value=0, aggfunc='mean').reset_index()pd.melt(df2, id_vars='class', value_vars=['F', 'M'], value_name='Monetary', var_name='gender') |
|
|
