[Python3] Pandas v1.0 —— (六) 数据透视表

最新推荐文章于 2022-10-29 10:14:08 发布

TreasureAI

最新推荐文章于 2022-10-29 10:14:08 发布

阅读量920

点赞数 2

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/Treasure99/article/details/105753647

本文详细介绍了Pandas 1.0中的数据透视表功能，包括使用GroupBy实现数据透视，以及pivot_table函数的用法。重点讲解了多级数据透视表的创建和pivot_table的主要参数，如缺失值处理、累计函数选择等。通过实例展示了如何对数据进行多维度的累计分析，帮助读者掌握高效的数据分析技巧。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

- 九、数据透视表

[ Pandas version: 1.0.1 ]

九、数据透视表

数据透视表（pivot table）将每一列数据作为输入，输出将数据不断细分成多个维度累计信息的二维数据表（多维GroupBy累计操作，行列同时分组）

（一）GroupBy 实现数据透视表

import numpy as np
import pandas as pd
titanic = pd.read_csv('./seaborn-data-master/titanic.csv')
titanic.head()

# 统计不同性别乘客的生还率
titanic.groupby('sex')[['survived']].mean()
#         survived
# sex
# female  0.742038
# male    0.188908

# 不同性别与船舱等级的生还情况
titanic.groupby(['sex', 'class'])['survived'].aggregate('mean').unstack()
# class      First    Second     Third
# sex
# female  0.968085  0.921053  0.500000
# male    0.368852  0.157407  0.135447

# 不同性别与船舱等级的生还情况 （pivot_table实现）
titanic.pivot_table('survived', index='sex', columns='class')
# class      First    Second     Third
# sex
# female  0.968085  0.921053  0.500000
# male    0.368852  0.157407  0.135447