懂Excel轻松入门Python数据分析包pandas(二十一)：透视表

> 经常听别人说 Python 在数据领域有多厉害，结果学了很长时间，连数据处理都麻烦得要死。后来才发现，原来不是 Python 数据处理厉害，而是他有数据分析神器—— pandas

前言

本系列上一节文章最后我随手使用了 pandas 中的透视表操作，之后有些小伙伴询问我相关的问题。正好 pandas 的 pivot_table 也是与 Excel 透视表对应。本文简单教你入门使用 pandas 完成透视表功能。

继续使用泰坦尼克号沉船事件的乘客名单作为例子：

- pclass：船舱等级

- survived：是否生还

- fare：票价

- sex：性别

- home.dest：住址

案例1：分析性别对生还率的影响

这里只简单说明怎么制作透视表，以方便那些不熟悉透视表的小伙伴：

- 3步完成

分析目标涉及的维度：

- 性别

- 生还率

这些维度用于分类依据，放入透视表的行或列标签：

- 把 sex 字段拖入 行标签，survived 字段拖入 列标签

- 还需要统计人数，人名总是有的，因此把 name 字段拖入 数值区域

- 透视表立刻出结果，行标签 放入的字段的唯一值，被显示在透视表左侧。列标签 放入的字段的唯一值，被显示在透视表的上方

只看数值看不出门路，设置百分比吧：

- 点中透视表任意一格，鼠标右键

- 按上图指示完成

- 女性 生还率远高于 男性！！

> 接下来不再显示 Excel 透视表操作

pandas 要做出透视表的效果，实际与 Excel 透视表的概念基本一致：

- 参数 index 就是 Excel 透视表中的 行标签

- 参数 columns ： Excel 透视表中的 列标签

- 参数 values：Excel 透视表中的 数值区域

- 参数 aggfunc：Excel 透视表中的 数值区域 的字段的统计方式(Excel 默认是计数)

"好像少了点东西……"

没有总计行列，可以通过参数设置：

- 参数 margins 默认为 False，显示总计行列

- 参数 margins_name ，设置总计行列的索引值

> 实际上很少需要使用这2个参数，因为 pandas 中添加这2列是非常简单

"Excel 透视表是百分比呀"

pandas 透视表功能没有参数设置，因为本身透视出来的还是一个 DataFrame ，这可以利用之前学到的一切技巧来为这个 DataFrame "添油加醋"：

- 默认情况下，如果把一个 DataFrame 作为文本显示，小数是不会变百分比，这里可以设置 pd.set_option('display.float_format', '{:.2%}'.format) 。这种设置不会影响数据类型，比如把此结果输出到 Excel ，仍然是小数

- 行9：每行(axis=1)做运算(apply)，行中每个数字(r) 除以(/) 行中剔除最后一个数据(r[:-1])的总和(sum)

案例2：贫富差距

我们用透视表分析 船舱等级(1表示一等舱，2表示二等舱……) 与 生还率的影响。

下面是 Excel 透视表结果：

接着是 pandas 实现：

- 修改 index 参数为 pclass，即可按船舱等级汇总

- 行9：不想再重复编写那段"非人"看的占比计算，直接调用一个自定义的函数(函数实现看源码)

从结果可以看到，头等舱生还率最高(更多原因是船舱等级越低，位置越靠近船底部，逃生越困难)

"我还想结合性别看看船舱等级对生还率的影响，怎么搞？"

很简单，pivot_table 中的大部分参数都可以放入多个字段(跟 Excel 透视表操作一样)：

- index 参数传入多个字段的列表

从结果看到，每个等级的船舱还是"女性比男性更可能生还"

"嘿，感觉直接用 Excel 透视表就好了，还写啥代码，麻烦死"

如果只是上述这些简单汇总的分析，我也建议直接用 Excel 透视表。但实际工作中，不可能只是这么简单的汇总。

案例3：小伙伴结伴同游，更安全

以前我发布过一篇文章，曾经使用 power bi 对这个数据进行初步分析，文中发现，里面有些人是一起登记上船的，而结伴上船的人有更高的生还率。

> 相关文章：[公众号 -> 数据分析 -> 探索分析]。文章中并没有给出 pandas 代码。

但是，原始数据是没有字段可以直接反映是否有结伴上船的情况。

数据中 ticket 列是船票号，**有相同的船票号并且多于1人以上的，可以视为是购买套票**的，也就是一起上船的。

解决思路就是：把 ticket 列内容相同的归为一组，组内有多于1行记录的，就是有小伙伴一起上船的

相信一直看本系列的小伙伴马上就知道，这在 pandas 中不就是分组操作吗！下面是代码：

- 行3：这句就是把每个人标记为"是否套票"的实现，这个不多解析了，几乎与上面说的中文语义一致

- 行5-10：利用透视表，对字段 isgroup 统计一下生还人数比例

- 很明显，没有小伙伴的人里面(上图结果的第一行)，生还比例只有 27.21% 。相比较，有小伙伴一起上船的乘客(上图结果的第二行)，生还人数比例就比较高

> 上面结果的行列显示不太好看(isgroup 显示 True 和 False，survived 显示 0 和 1)，你知道怎么把他们替换成友好的中文内容吗？

数据大宇宙