pandas dataframe pivot_table

最新推荐文章于 2025-07-11 17:53:11 发布

NoOne-csdn

最新推荐文章于 2025-07-11 17:53:11 发布

阅读量5.4k

点赞数

CC 4.0 BY-SA版权

分类专栏： pandas 文章标签： pivot_table

本文链接：https://blog.youkuaiyun.com/weixin_40161254/article/details/83620222

pandas 专栏收录该内容

40 篇文章

订阅专栏

本文详细介绍如何使用 Pandas 的 pivot_table 函数进行数据透视，包括按月、按年和按天聚合数据的方法，以及如何计算总和和平均值。通过实例展示了数据重塑和聚合的强大功能。

一个比较有代表性的例子参考官网

df=pd.DataFrame({
    "value":np.random.randn(36)
},
index=pd.date_range('2011-01-01',freq='M',periods=36))
print(df)

结构如下：

dff=pd.pivot_table(df,index=df.index.month,columns=df.index.year,
                   values='value',
                   # aggfunc='mean'
                   )

print(dff)
dff=pd.pivot_table(df,index=df.index.month,columns=df.index.year,
                   values='value',
                   aggfunc='sum'
                   )

print(dff)

结构如下：

df1=pd.pivot_table(df,index=df.index.year,values='value', columns=df.index.month,aggfunc='sum')
print(df1)
print(df1.sum())
print(df1.sum(axis=1))
df1['sum']=df1.sum(axis=1)
df1.loc['newr']= df1.sum()
print(df1)

df=pd.pivot_table(df,index=df.index.day,values='value',columns=df.index.month)
print(df)

源码：

import pandas as pd
import numpy as np

df=pd.DataFrame({
    "value":np.random.randn(36)
},
index=pd.date_range('2011-01-01',freq='M',periods=36))
print(df)

dff=pd.pivot_table(df,index=df.index.month,columns=df.index.year,
                   values='value',
                   # aggfunc='mean'
                   )

print(dff)
dff=pd.pivot_table(df,index=df.index.month,columns=df.index.year,
                   values='value',
                   aggfunc='sum'
                   )

print(dff)
df1=pd.pivot_table(df,index=df.index.year,values='value', columns=df.index.month,aggfunc='sum')
print(df1)
print(df1.sum())
print(df1.sum(axis=1))
df1['sum']=df1.sum(axis=1)
df1.loc['newr']= df1.sum()
print(df1)
df2=pd.pivot_table(df,index=df.index.year,values='value', aggfunc='mean')
print(df2)

print("*"*22)
df=pd.pivot_table(df,index=df.index.day,values='value',columns=df.index.month)
print(df)