标签：title   计算   ram   mamicode   strong   index   mic   none   img   

pivot_table()

pandas.pivot_table(data, values=None, index=None, columns=None, aggfunc=‘mean‘, fill_value=None, margins=False, dropna=True, margins_name=‘All‘, observed=False, sort=True)
参数：
index：行索引
columns：列索引
values：计算值
aggfunc：运算方式（默认取数字列的平均值）

举例

现有DataFrame二维数组sales_area如下，要求统计各地区每一年的销售额总额对比图表

# 使用数据透视表整理数据
sales_area = pd.pivot_table(sales_area,
                           index=‘Market‘,
                           columns=‘Order_Year‘,
                           values=‘Sales‘,
                           aggfunc=‘sum‘)
sales_area

# 使用Pandas直接绘制图表
plt.style.use(‘ggplot‘)
sales_area.plot(kind = ‘bar‘,title=‘各地区分店2011年-2014年销售额综总合对比‘)

与groupby()对比

1、pivot_table()效率更高
2、pivot_table()将参数放置在方法内

Pandas 数据透视表

标签：title   计算   ram   mamicode   strong   index   mic   none   img   

原文地址：https://www.cnblogs.com/Wendy-r/p/14961056.html