【導(dǎo)語】也許大多數(shù)人都知道Excel中的數(shù)據(jù)透視表，也體會(huì)到了它的強(qiáng)大功能，那么Pandas也提供了一個(gè)類似的功能，也就是pivot_table。因?yàn)榭紤]到直接學(xué)pivot_table會(huì)有點(diǎn)難度，所以本篇文章將由淺入深的先通過excel實(shí)現(xiàn)透視表，慢慢地過渡到利用pandas來實(shí)現(xiàn)。

一、 什么是數(shù)據(jù)透視表

透視表是一種可以對(duì)數(shù)據(jù)動(dòng)態(tài)排布并且分類匯總的表格格式。利用透視表可以快速地進(jìn)行分類匯總，自由組合字段聚合計(jì)算。

二、使用excel透視表和pandas實(shí)現(xiàn)的區(qū)別

• excel：
  只需要拖拉拽就能實(shí)現(xiàn),簡單易操作

• pandas：
  更快（一旦設(shè)置之后）
  自行說明（通過查看代碼，你將知道它做了什么）
  易于生成報(bào)告或電子郵件
  更靈活，因?yàn)槟憧梢远ㄖ凭酆虾瘮?shù)

使用數(shù)據(jù)透視表的一個(gè)挑戰(zhàn)是，你需要確保你理解你的數(shù)據(jù)，并清楚地知道你想通過透視表解決什么問題。其實(shí)，雖然pivot_table看起來只是一個(gè)簡單的函數(shù)，但是它能夠快速地對(duì)數(shù)據(jù)進(jìn)行強(qiáng)大的分析。

三、excel實(shí)現(xiàn)數(shù)據(jù)透視表

1、創(chuàng)建數(shù)據(jù)透視表

其實(shí)非常的簡單，只需要選定我們想要進(jìn)行透視的表，然后點(diǎn)擊菜單欄中的插入透視表。

透視表中有五個(gè)基本概念：
篩選：你想要將什么進(jìn)行分組，比如我想看一下不同供應(yīng)商的一些信息，那么就是按照供應(yīng)商進(jìn)行篩選
列：列值，一般是用時(shí)間序列值
行：行值，你想要對(duì)什么內(nèi)容進(jìn)行展開，比如我想看不同時(shí)間段的不同原料
值：具體要看什么值，比如銷售額等

在本文中，將會(huì)跟蹤一個(gè)銷售渠道（也稱為漏斗）?；镜膯栴}是，一些銷售周期很長（可以想一下“企業(yè)軟件”、“資本設(shè)備”等），而管理者想更詳細(xì)地了解它一整年的情況。

其實(shí)我們只需要將不同的字段拖入到不同的區(qū)域中即可，為了方便展示數(shù)據(jù)，我們可以右鍵關(guān)鍵字段，然后將其選擇上移，這樣我們可以實(shí)現(xiàn)數(shù)據(jù)的多級(jí)展示。

這里我們注意一個(gè)左下角的功能，叫做延遲布局更新，這個(gè)當(dāng)我們的數(shù)據(jù)量比較大的時(shí)候，比如說十萬個(gè)數(shù)據(jù)，我們就可以選定這個(gè)延遲更新，其實(shí)就是設(shè)置當(dāng)我們的字段設(shè)置完成之后才進(jìn)行數(shù)據(jù)更新，可以最大程度保證我們操作的流暢性。

如果我們對(duì)數(shù)據(jù)透視表的順序有些不滿意，那我們就要按照我們自己的意愿進(jìn)行順序的修改，比如說我們選擇升序和降序。

當(dāng)然了，我們也可以直接在選定區(qū)域的時(shí)候直接選擇插入一個(gè)透視圖，一般默認(rèn)是柱狀圖。

所以我們可以與透視表進(jìn)行對(duì)比一下：
篩選：你想要將什么進(jìn)行分組，比如我想看一下不同供應(yīng)商的一些信息，那么就是按照供應(yīng)商進(jìn)行篩選
軸：其實(shí)就是透視表當(dāng)中的列值，橫坐標(biāo)軸是什么，一般是用時(shí)間序列值
圖例：也就是系類，等同于透視表當(dāng)中的行值，你想要對(duì)什么內(nèi)容進(jìn)行展開，比如我想看不同時(shí)間段的不同原料
值：具體要看什么值，比如合格量等

這就是數(shù)據(jù)透視表與數(shù)據(jù)透視圖的基本操作，這是比較簡單的基礎(chǔ)內(nèi)容。

2、更改數(shù)據(jù)源

數(shù)據(jù)透視表可以隨時(shí)隨地進(jìn)行數(shù)據(jù)源的更改，數(shù)據(jù)源變更后進(jìn)行簡單的更新就可反映到數(shù)據(jù)報(bào)表中，有兩種方式，第一種是數(shù)據(jù)透視表刷新：如果數(shù)據(jù)源中的數(shù)值進(jìn)行了更新，刷新即可。如果是數(shù)據(jù)源的結(jié)構(gòu)或布局變更了，這時(shí)就采用更改數(shù)據(jù)源的方式。

3、插入計(jì)算字段

計(jì)算字段極大擴(kuò)展了數(shù)據(jù)透視表的計(jì)算功能，比如原始數(shù)據(jù)表中有一列數(shù)據(jù)為銷售單價(jià)，有一列數(shù)據(jù)為數(shù)量。那么在數(shù)據(jù)透視表中可以通過計(jì)算字段輸入公式”=單價(jià)*數(shù)量“，來求出銷售額。

上面就是用excel來實(shí)現(xiàn)數(shù)據(jù)透視表的過程，它不僅可以按照不同的方式匯總數(shù)據(jù)，還可以按照不同的方式顯示數(shù)據(jù)，從而更清晰的看出數(shù)據(jù)之間的關(guān)系和邏輯。

四、pandas實(shí)現(xiàn)數(shù)據(jù)透視表

pandas中的函數(shù)pivot_table可以實(shí)現(xiàn)數(shù)據(jù)透視表，它的參數(shù)如下，下面我們來一個(gè)個(gè)的學(xué)習(xí)。我們的數(shù)據(jù)源和上面excel的一樣。

pivot_table(data, values=None, index=None, columns=None,aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')

• 參數(shù)解釋【注：values、index、columns、aggfunc、最為關(guān)鍵，它們分別對(duì)應(yīng)excel透視表中的值、行、列、值匯總方式】

data：dataframe 格式的數(shù)據(jù)
values：需要匯總計(jì)算的列，可多選，多選用[ ]
index：行分組鍵，一般是用于分組的列名，作為結(jié)果DataFrame的行索引
columns：列分組鍵，一般是用于分組的列名，作為結(jié)果DataFrame的列索引
aggfunc：聚合函數(shù)或函數(shù)列表，默認(rèn)為平均值！
fill_value：設(shè)定缺失替換值
margins：是否添加行列的總計(jì)
dropna：默認(rèn)為True，如果列的所有值都是NaN，將不作為計(jì)算列，F(xiàn)alse時(shí)，被保留
margins_name：匯總行列的名稱，默認(rèn)為All

1、讀取數(shù)據(jù)

import pandas as pd
import numpy as np
df = pd.read_excel("./sales-funnel.xlsx")
df.head()

我們將上表中“Status”列定義為category，并按我們想要的查看方式設(shè)置順序（可選）

df["Status"] = df["Status"].astype("category")
df["Status"].cat.set_categories(["won","pending","presented","declined"],inplace=True)
df.info()

2、建立簡單索引

pd.pivot_table(df,index=["Name"])

此外，可以有多個(gè)索引。實(shí)際上，大多數(shù)的pivot_table參數(shù)可以通過列表獲取多個(gè)值。

pd.pivot_table(df,index=["Name","Rep","Manager"])

3、實(shí)現(xiàn)數(shù)據(jù)聚合

我們上面將“Name”，“Rep”列和“Manager”列進(jìn)行對(duì)應(yīng)分組，那么現(xiàn)在來實(shí)現(xiàn)數(shù)據(jù)聚合。

pd.pivot_table(df,index=["Manager","Rep"],values=["Price"])

“Price”列會(huì)自動(dòng)計(jì)算數(shù)據(jù)的平均值，但是我們也可以對(duì)該列元素進(jìn)行計(jì)數(shù)或求和。要添加這些功能，使用aggfunc和np.sum就很容易實(shí)現(xiàn)。

pd.pivot_table(df,index=["Manager","Rep"],values=["Price"],aggfunc=np.sum)

pd.pivot_table(df,index=["Manager","Rep"],values=["Price"],aggfunc=[np.mean,len])

aggfunc可以包含很多函數(shù)，下面就讓我們嘗試一種方法，即使用numpy中的函數(shù)mean和len來進(jìn)行計(jì)算。

4、定義列

如果我們想通過不同產(chǎn)品來分析銷售情況，那么變量“columns”將允許我們定義一個(gè)或多個(gè)列。
pivot_table中一個(gè)令人困惑的地方是“columns（列）”和“values（值）”的使用。我們只要記住，變量“columns（列）”是可選的，它提供一種額外的方法來分割你所關(guān)心的實(shí)際值。然而，聚合函數(shù)aggfunc最后是被應(yīng)用到了變量“values”中你所指定的字段上。

pd.pivot_table(df,index=["Manager","Rep"],values=["Price"],
               columns=["Product"],aggfunc=[np.sum])

結(jié)果里有很多NaN，如果想移除它們，我們可以使用“fill_value”將其設(shè)置為0。

pd.pivot_table(df,index=["Manager","Rep"],values=["Price"],
               columns=["Product"],aggfunc=[np.sum],fill_value=0)

5、查看總和

如何查看一些總和數(shù)據(jù)呢？相當(dāng)于excel中的總計(jì)，通過“margins=True”就可以為我們實(shí)現(xiàn)這種功能。

pd.pivot_table(df,index=["Manager","Rep","Product"],
               values=["Price","Quantity"],
               aggfunc=[np.sum,np.mean],fill_value=0,margins=True)

下面，讓我們以更高的管理者角度來分析此渠道。根據(jù)我們前面對(duì)category的定義，注意現(xiàn)在“Status”是如何排序的。

pd.pivot_table(df,index=["Manager","Status"],values=["Price"],
               aggfunc=[np.sum],fill_value=0,margins=True)

6、不同值執(zhí)行不同的函數(shù)

為了對(duì)你選擇的不同值執(zhí)行不同的函數(shù)，你可以向aggfunc傳遞一個(gè)字典。

table = pd.pivot_table(df,index=["Manager","Status"],columns=["Product"],values=["Quantity","Price"],
               aggfunc={"Quantity":len,"Price":[np.sum,np.mean]},fill_value=0)
table

7、透視表過濾

如果只想查看一個(gè)管理者（例如Debra Henley）的數(shù)據(jù)，可以這樣過濾：

table.query('Manager == ["Debra Henley"]')

查看所有的暫停（pending）和成功（won）的交易，如下：

table.query('Status == ["pending","won"]')

實(shí)現(xiàn)同時(shí)過濾多個(gè)條件：

希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作能帶來一定的幫助，每天進(jìn)步一點(diǎn)點(diǎn)，加油?。