python数据分析基础视频08-python中的数据透视表df.pivot_table()

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python数据分析基础视频08-python中的数据透视表df.pivot_table()，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含3098字，纯文字阅读大概需要5分钟。

内容图文

本系列课程适用人群：

1. python零基础数据分析的朋友；
2. 在校学生；
3. 职场中经常要处理各种数据表格，或大量数据（十万级以上）的朋友；
4. 喜欢图表可视化的朋友；

系列视频目前可在B站观看，会定期更新，欢迎大家吐槽！

本节概要：看excel中最强大的数据透视表在python中如何实现

视频地址：python中数据透视表

本节代码：

import pandas as pd
import numpy as np
import os
os.chdir('D:/python/课件/data/gaokaodata/')

# =============================================================================
# 批量读取数据
# =============================================================================
# 此数据由和鲸社区整理：https://www.kesci.com/mw/project/5efff5de63975d002c98fc28/dataset

# 获取文件夹相关信息，os.walk()方法返回3个结果，其中files最终要。root, dirs, files只是自定义的变量名称，可写成别的名
for root, dirs, files in os.walk('.'):
    print(files)  
    
# 定义一个空的dataframe，读取的每个表中的数据都添加到此变量中   
data = pd.DataFrame()  

for i in files:  # 依次读取files文件中的元素
    # 读取第i个文件,"."为上面设置的默认路径，i为文件名称。组合在一起正好为文件路径
    datai = pd.read_csv('./' + i)   
    # 计算文件行数
    datai_len = len(datai)
    # 读取的文件添加到data变量中
    data = data.append(datai)   # 添加到总的数据中
    # print中格式化写法。%i表示此处为一整数，整数的值为引号外面%后面的变量，按顺序获取。其他写法 %s：字符串  %f：小数
    print('文件%i列, 读取%i行数据,名称：%s'%(len(datai.columns),datai_len,i)) 

# =============================================================================
# 数据透视表
# =============================================================================

'''
pivot_table(values=None, # 计算的统计量,values可以不用写
            index=None,  # 行变量
            columns=None, # 列字典
            aggfunc='mean', #计算的统计量,可以写成 'sum' 或者 np.sum  两种形式
            fill_value=None, # 缺失值的显示方式
            margins=False, # 是否显示合计行、合计列，False为不显示
            dropna=True,  # 不计算全部为缺失值的列，不常用
            margins_name='All', # 合计行、列的名称，默认为英文单词ALL，可改为"合计","总计"等
            observed=False) # 仅适用于分类索引的，不常用
'''


# 在spyder中查函数的帮助文件 ★★★★★
help(data.pivot_table)  # pivot_table后面没有括号

# 每个地区的分数线
result1 = data.pivot_table('分数线',
                           index='地区',
                           aggfunc='mean').sort_values(by='分数线',ascending=False)

# 每个地区，不同年份的分数线
result2 = data.pivot_table('分数线',
                           index='地区',
                           columns='年份',
                           aggfunc='mean',
                           margins=True).round(0)

# 不同地区，不同考生类别、不同年份的分数线
result3 = data.pivot_table('分数线',
                           index=['地区','考生类别'],
                           columns='年份',
                           fill_value=None,
                           aggfunc='mean',
                           margins=True).round(0)

# 对同一变量计算多个统计量
result4 = data.pivot_table('分数线',
                           index='地区',
                           aggfunc=['mean','max','min','std']).round(0)

# 对不同的变量计算不同的统计量
result5 = data.pivot_table(index='地区',
                           aggfunc={'分数线':np.mean, '批次':'count'}).round(0)

# =============================================================================
# 导入excel
# =============================================================================
result3.to_excel('D:/python/课件/结果/高考成绩.xlsx')

内容总结

以上是互联网集市为您收集整理的python数据分析基础视频08-python中的数据透视表df.pivot_table()全部内容，希望文章能够帮你解决python数据分析基础视频08-python中的数据透视表df.pivot_table()所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端