2018.03.29 python-pandas 数据透视pivot table / 交叉表crosstab
1 #透视表 pivot table
2 #pd.pivot_table(data,values=None,index=None,columns=None,
3 import numpy as np
4 import pandas as pd aggfunc='mean',fill_value=None,margins=False,dropna=True,margins_name='ALL')
5 date = ['2017-5-1','2017-5-2','2017-5-3']*3
6 rng = pd.to_datetime(date)
7 df = pd.DataFrame({'date':rng,
8 'key':list('abcdabcda'),
9 'values':np.random.rand(9)*10})
10 print(df)
11 print('-----')
12
13 print(pd.pivot_table(df,values = 'values',index = ['date'],columns='key',aggfunc=np.sum))#也可以aggfunc='sum'
14 print('-----')
15 #data:DataFrame对象
16 #values：要聚合的列或列的列表
17 #index：数据透视的index，从原始数据的列中筛选
18 #columns：数据透视表的columns，从原始数据的列中筛选
19 #aggfunc：用于聚合的函数，默认为numpy，mean，支持numpy计算方法
20 print(pd.pivot_table(df,values = 'values',index = ['date','key'],aggfunc=len))
21 print('------')
22 #这里就分别以date，key共同做数据透视，值为values：统计不同（date，key）情况下values的计数
23 #aggfunc=len（或者count）：计数结果：
date key values
0 2017-05-01 a 2.562157
1 2017-05-02 b 9.604823
2 2017-05-03 c 4.770968
3 2017-05-01 d 0.654878
4 2017-05-02 a 8.839281
5 2017-05-03 b 1.211138
6 2017-05-01 c 9.570886
7 2017-05-02 d 9.915021
8 2017-05-03 a 8.551166
-----
key a b c d
date
2017-05-01 2.562157 NaN 9.570886 0.654878
2017-05-02 8.839281 9.604823 NaN 9.915021
2017-05-03 8.551166 1.211138 4.770968 NaN
-----
values
date key
2017-05-01 a 1.0
c 1.0
d 1.0
2017-05-02 a 1.0
b 1.0
d 1.0
2017-05-03 a 1.0
b 1.0
c 1.0
------
1 #交叉表：crosstab
2 #默认情况下，crosstab计算因子的频率，比如用于str的数据透视分析
3 #pd.crosstab(index,columns,values=None,rownames=None
4 # ,colnames=None,aggfunc=None,margins=False,dropna=True,normalize=False)
5 df = pd.DataFrame({'A':[1,2,2,2,2],
6 'B':[3,3,4,4,4],
7 'C':[1,1,np.nan,1,1]})
8 print(df)
9 print('------')
10 print(pd.crosstab(df['A'],df['B']))
11 print('------')
12 #如果crosstab只接收两个series，他将提供一个频率表
13 #用A的唯一值，统计B唯一值的出现次数 （A,B）= （1，3）C出现了1次 （A,B）= （2，4）出现了3次
14
15 print(pd.crosstab(df['A'],df['B'],normalize=True))#以频率的方式显示
16 print('--------')
17 print(pd.crosstab(df['A'],df['B'],values=df['C'],aggfunc=np.sum))#values:根据因子聚合的值数组
18 #aggfunc：如果未传递values数组，则计算频率表，如果传递数组，则按照指定计算
19 #这里相当于以A和B界定分组，计算出每组中第三个系列C的值
20 print('--------')
21 print(pd.crosstab(df['A'],df['B'],values=df['C'],aggfunc=np.sum,margins=True))
22 print('--------')
23 #margins:布尔值，默认值False，添加行/列边距（小计）结果:
A B C
0 1 3 1.0
1 2 3 1.0
2 2 4 NaN
3 2 4 1.0
4 2 4 1.0
------
B 3 4
A
1 1 0
2 1 3
------
B 3 4
A
1 0.2 0.0
2 0.2 0.6
--------
B 3 4
A
1 1.0 NaN
2 1.0 2.0
--------
B 3 4 All
A
1 1.0 NaN 1.0
2 1.0 2.0 3.0
All 2.0 2.0 4.0
--------
