20、pandas的透视表pivot_table

透视表pivot_table()是非常强大的汇总运算函数。 在SQL语句和excel中透视表也是非常普遍的。

pivot_table()的主要参数有：

源数据：

使用pivot_table()进行透视表 *** 作：

values是要进行汇总、统计等运算的列，可以是多个（list格式）；

index是作为新表的列名，可以是多个（list格式）；

columns是作为新表的列名，可以是多个（list格式）；

aggfunc是做汇总的统计运算方法，常用的简单运算都可以，也可以是多种方法（每个不同的列指定一种方法），这样就可以免去了多次使用透视表在进行合并的麻烦。

使用多种计算方法：

# 有趣的是 多个汇总方法如果用aggfunc=['sum','count']，就会报错 。而如果用numpy库的方法就正常（没有count函数）。

在不同的列使用不同的运算方法，可以使 用字典的形式 表明汇总方法：

不过这个跟excel的透视表相比还是缺少了一个汇总行，我们可以 使用margins=True来添加行列合计 ：

还可以使用margins_name=' '来修改汇总行列的名称，当然了也可以使用rename()来修改：

fill_value = 0 是用来填充缺失值、空值。

dropna=True 是跳过整行都是空缺值的行。

这样我们就把pivot_table()的参数都介绍了，pivot_table是经常使用的一个函数，结合简单的计算函数一起使用会有很好的效果。

我们还可以把经过pivot_table()处理过的数据导出到电脑的excel文件里：

其实Pandas有pivot、pivot_table两个函数来做数据透视，作用是一样的，只是pivot_table算是pivot的增强版，pivot_table对数据格式要求不高，而且支持aggfunc、fillvalue等参数，所以这里主要介绍pivot_table。

不过这里提一下，在使用 pivot 函数过程中可能会经常碰到一些异常，比如下面这个：

这就是刚才说的， pivot 函数对数据有些要求，这时可以尝试使用 pivot_table ！

values、index、columns参数都比较好理解，就是指定index作为纵轴索引、columns作为横轴索引来观察指定的values值，另外aggfunc指定的是均值函数（mean），下面边用边深入理解。

index、columns参数必须传一个，否则会报以下错误：

只传index时

只传columns时

兄台不知道是否有疑问，原来数据中class、student这两列去哪里了？？？为啥只剩grades了？？？

我的理解是被忽略掉了，因为这两列不是数字，mean函数作用不了，为了更好理解我把默认的mean函数换成其他函数，慢慢往下看：

可以看到其实aggfunc接受的参数是一个Pandas中的Series对象，那我们把Series转成列表看下里面是啥.

搜德斯捏！！！原来就是通过指定维度后透视得到的值的列表，或者你可以理解是通过lookup来得到的一列值。所以mean函数在作用于class、student这两列是字符串元素的列表肯定是不对的，所以被过滤掉了。

基于上面的数据集，做些小需求来更深入理解 pivot_table 函数

（1）统计各个班级(class)的平均分

（2）统计各个班级(class)的平均分以及班级学生人数

（3）统计各个班级(class)的各个科目(subject)的平均分

（7）统计各个学生(student)的最高分,最低分,平均分

上面是多级索引,可能你想去掉grades这一级, 可以参考下面方法

stack()是行转列, 把grades从column变成了index, 再reset_index去掉grades

（8）获取各个学生(student)的最高分的level, 其中划分方式是: "C" <80 <= "B" <90 <= "A"

---