【Python常用函数】一文让你彻底掌握Python中的pivot_table函数
【Python常用函数】一文让你彻底掌握Python中的pivot_table函数
任何事情都是由量变到质变的过程，学习Python也不例外。
只有把一个语言中的常用函数了如指掌了，才能在处理问题的过程中得心应手，快速地找到最优方案。
本文和你一起来探索Python中的pivot_table函数，让你以最短的时间明白这个函数的原理。
也可以利用碎片化的时间巩固这个函数，让你在处理工作过程中更高效。
一、pivot_table函数定义
pivot_table函数是pandas库中的函数，调用首先需要加载pandas库。
其功能相当于excel中的数据透视表。
其基本调用语法如下：
import pandas as pd
pd.pivot_table(data: 'DataFrame', values=None, index=None, columns=None, aggfunc: 'AggFuncType' = 'mean', fill_value=None, margins: 'bool' = False, dropna: 'bool' = True, margins_name: 'str' = 'All', observed: 'bool' = False, sort: 'bool' = True)data：数据集。
values：要聚合的列，默认对所有数值型变量聚合。 index：设置透视表中的行索引名。 columns：设置透视表中的列索引名。 aggfunc：聚合统计函数，可以是单个函数、函数列表、字典格式，默认为均值。当该参数传入字典格式时，key为列名，value为聚合函数值，此时values参数无效。 fill_value：缺失值填充值，默认为NaN，即不对缺失值做处理。注意这里的缺失值是指透视后结果中可能存在的缺失值，而非透视前原表中的缺失值。 margins：指定是否加入汇总列，默认为False。 margins_name：汇总列的列名，与margins配套使用，默认为‘All’，当margins为False时，该参数无作用。 dropna：是否删除汇总结果中全为NaN的行或列，默认为True。 二、pivot_table函数实例 1 导入库并加载数据 首先导入本文需要的库并加载数据，如果你有些库还没有安装，导致运行代码时报错，可以在Anaconda Prompt中用pip方法安装。
import os
import numpy as np
import pandas as pd
os.chdir(r'G:\python\17_python中常用函数')
date = pd.read_excel('date.xlsx', sheet_name='ori')
dateos.chdir：设置数据存放的文件路径。 pd.read_excel：读取数据。 得到结果：
以上数据集只是为了清晰地理解pivot_table函数所创造，并无实际含义。 2 实例 例1：指定行索引index参数 我们先来看下只设置一个index参数，其余参数采用默认值，会是什么效果，代码如下：
pd.pivot_table(date, index="课程")得到结果：
从结果知，当pivot_table只设置一个index参数时，相当于把index中的参数当成行，对数据表中所有数值列求平均值。
类似excel中如下情形：
例2：指定要聚合的列
接着来看下应用values参数选择要聚合的列进行展示，代码如下：
pd.pivot_table(date, index="课程", values=['综合成绩'])得到结果：
对比例1可以发现，values不设置时，默认对数据表中所有数值列进行聚合。
如果只想对某些列进行聚合，可以在values参数中进行指定。
例3：指定列索引columns参数 接着来看下应用columns参数选择要聚合的列进行展示，代码如下：
pd.pivot_table(date, index=["课程"], columns=['教师'], values=['综合成绩'])得到结果：
类似excel中的如下设置：
例4：指定聚合的统计函数 如果aggfunc函数不指定聚合的函数，默认计算均值，接下来试下求和函数看看效果，代码如下：
pd.pivot_table(date, index="课程", values=['综合成绩'], aggfunc=np.sum)得到结果：
从结果知，可以根据需求自行在aggfunc函数中指定要聚合的函数。 例5：设置两层索引 接下来看下在index参数中设置2个变量，构造两层索引的效果，代码如下：
pd.pivot_table(date, index=["课程", '教师'], values=['综合成绩'])得到结果：
类似在excel中如下设置：
例6：设置加入汇总列 接着设置加入汇总列，代码如下：
pd.pivot_table(date, index="课程", values=['综合成绩'], margins=True)得到结果：
例7：指定缺失值填充
最后设置缺失值填充，代码如下：
pd.pivot_table(date, index=["课程"], columns=['教师'], values=['综合成绩'], fill_value='空值')得到结果：
对比例3，可以理解fill_value填充缺失值，是指填充透视后结果中存在的缺失值，而非透视前原表中的缺失值。
至此，Python中的pivot_table函数已讲解完毕，如想了解更多Python中的函数，可以翻看公众号中“学习Python”模块相关文章。