第2关：Pandas创建透视表和交叉表

原创已于 2022-05-21 11:54:34 修改 · 3.2k 阅读

11 ·

CC 4.0 BY-SA版权

文章标签：

#数据挖掘 #数据分析 #python

于 2022-05-16 16:12:57 首次发布

pandas进阶专栏收录该内容

2 篇文章

订阅专栏

本文介绍了如何使用Pandas的pivot_table和crosstab函数创建透视表和交叉表，以分析tip.csv数据集中顾客在不同用餐时间和星期下的小费总和。通过示例展示了这两个函数的参数及用法。

部署运行你感兴趣的模型镜像

任务描述
本关任务：使用Pandas加载tip.csv文件中的数据集，分别用透视表和交叉表统计顾客在每种用餐时间、每个星期下的小费总和情况。

相关知识
透视表
透视表是各种电子表格程序和其他数据分析软件中一种常见的数据汇总工具。它根据一个或多个键对数据进行聚合，并根据行和列上得分组建将数据分配到各个矩形区域中。在pandas中，可以通过pivot_table函数创建透视表。
pivot_talbe函数的参数：

DataFrame.pivot_table(self, values=None, index=None, columns=None,ggfunc='mean', fill_value=None, .margins=False,dropna=True, margins_name='All')

参数名	说明
values	待聚合的列的名称。默认聚合所有数值列
index	用于分组的列名或其他分组键，出现在结果透视表的行
columns	用于分组的列名或其他分组键，出现在结果透视表的列
aggfunc	聚合函数或函数列表，默认为mean，可以是任何对groupby有效的函数
fill_value	用于替换结果表中的缺失值
dropna	boolean值，默认为True
margins_name	string，默认为‘ALL’，当参数margins为True时，ALL行和列的名字

示例：

data = {'A': [1, 2, 2, 3, 2, 4],  
        'B': [2014, 2015, 2014, 2014, 2015, 2017],  
        'C': ["a", "b", "c", "d", "e", "f"],  
        'D': [0.5, 0.9, 2.1, 1.5, 0.5, 0.1]  
        }  
df = pd.DataFrame(data)  
df.pivot_table(index=["B"], columns=["C"], values=["A"], aggfunc=sum, margins=True)

输出：

        A  
C       a    b    c    d    e    f All  
B  
2014  1.0  NaN  2.0  3.0  NaN  NaN   6  
2015  NaN  2.0  NaN  NaN  2.0  NaN   4  
2017  NaN  NaN  NaN  NaN  NaN  4.0   4  
All   1.0  2.0  2.0  3.0  2.0  4.0  14

交叉表
交叉表是一种用于计算分组频率的特殊透视表。通常使用crosstab函数来创建交叉表。

crosstab的参数

pd.crosstab(index,columns,values=None,rownames=None  
colnames=None,aggfunc=None,margins=False,dropna=True,normalize=False)

其中rownames可以设置行名，colnames可以设置列名，而且前两个参数可以是数组、Series或数组列表。

示例：

data = {'A': [1, 2, 2, 3, 2, 4],  
        'B': [2014, 2015, 2014, 2014, 2015, 2017],  
        'C': ["a", "b", "c", "d", "e", "f"],  
        'D': [0.5, 0.9, 2.1, 1.5, 0.5, 0.1]  
        }  
df = pd.DataFrame(data)  
pd.crosstab(index=[df["B"],df["A"]], columns=df["C"], values=df["A"], aggfunc=sum, margins=True)

输出：

C         a    b    c    d    e    f  All  
B    A  
2014 1  1.0  NaN  NaN  NaN  NaN  NaN    1  
     2  NaN  NaN  2.0  NaN  NaN  NaN    2  
     3  NaN  NaN  NaN  3.0  NaN  NaN    3  
2015 2  NaN  2.0  NaN  NaN  2.0  NaN    4  
2017 4  NaN  NaN  NaN  NaN  NaN  4.0    4  
All     1.0  2.0  2.0  3.0  2.0  4.0   14

编程要求
使用Pandas中的read_csv函数加载step2/tip.csv文件中的数据集，分别用透视表和交叉表统计顾客在每种用餐时间(time) 、每个星期下(day) 的小费(tip)总和情况。在右侧编辑器begin-end处补充代码。

数据集列名信息如下表：

列名	说明
total_bill	消费总账单
tip	小费金额
day	消费日期（星期几）
time	用餐时间段（早、中、晚）
size	吸烟数量

测试输入：
预期输出：

透视表：  
         tip                  
time  Dinner   Lunch     All  
day                           
Fri    35.28   16.68   51.96  
Sat   260.40     NaN  260.40  
Sun   247.39     NaN  247.39  
Thur    3.00  168.83  171.83  
All   546.07  185.51  731.58  
交叉表：  
time  Dinner   Lunch     All  
day                           
Fri    35.28   16.68   51.96  
Sat   260.40     NaN  260.40  
Sun   247.39     NaN  247.39  
Thur    3.00  168.83  171.83  
All   546.07  185.51  731.58

#-*- coding: utf-8 -*-
import pandas as pd

#创建透视表
def create_pivottalbe(data):
    ###### Begin ######
    df = pd.DataFrame(data)
    x = df.pivot_table(index = ['day'],columns = ['time'],values = ['tip'],aggfunc = sum , margins = True)
    return x
    ###### End ######

#创建交叉表
def create_crosstab(data):
    ###### Begin ######
    df = pd.DataFrame(data)  
    y = pd.crosstab(index = df['day'],columns = df['time'],values = df['tip'],aggfunc =sum,margins = True)
    return y
    ###### End ######

def main():
    #读取csv文件数据并赋值给data
    ###### Begin ######
    data = pd.read_csv("step2/tip.csv",header = 0)
    ###### End ######
    piv_result = create_pivottalbe(data)
    cro_result = create_crosstab(data)
    print("透视表：\n{}".format(piv_result))
    print("交叉表：\n{}".format(cro_result))

if __name__ == '__main__':
    main()