首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

Python pandas :具有各自计数的数据透视表?

在使用 Pandas 进行数据分析时,数据透视表(pivot table)是一个非常有用的工具。它允许你对数据进行分组、聚合和总结。你可以使用 pivot_table 方法来创建数据透视表,并且可以通过 aggfunc 参数来指定聚合函数,例如计数(count)。

以下是一个详细的示例,展示如何使用 Pandas 创建一个具有各自计数的数据透视表。

示例数据

假设我们有一个包含销售数据的 DataFrame:

代码语言:javascript
复制
import pandas as pd

data = {
    'Date': ['2023-01-01', '2023-01-01', '2023-01-02', '2023-01-02', '2023-01-03'],
    'Product': ['A', 'B', 'A', 'B', 'A'],
    'Sales': [100, 150, 200, 250, 300]
}

df = pd.DataFrame(data)
print(df)

输出:

代码语言:javascript
复制
         Date Product  Sales
0  2023-01-01       A    100
1  2023-01-01       B    150
2  2023-01-02       A    200
3  2023-01-02       B    250
4  2023-01-03       A    300

创建数据透视表

我们希望创建一个数据透视表,显示每个日期和产品的销售数量。

代码语言:javascript
复制
pivot_table = pd.pivot_table(df, 
                             index='Date', 
                             columns='Product', 
                             values='Sales', 
                             aggfunc='count', 
                             fill_value=0)
print(pivot_table)

输出:

代码语言:javascript
复制
Product      A  B
Date              
2023-01-01   1  1
2023-01-02   1  1
2023-01-03   1  0

解释

  • index='Date':将日期作为行索引。
  • columns='Product':将产品作为列。
  • values='Sales':我们感兴趣的值是销售数量。
  • aggfunc='count':我们使用 count 作为聚合函数来计算每个组的数量。
  • fill_value=0:将缺失值填充为 0。

进一步的示例

假设我们还想计算每个日期和产品的销售总额和平均销售额。我们可以使用 aggfunc 参数传递一个字典来指定多个聚合函数。

代码语言:javascript
复制
pivot_table = pd.pivot_table(df, 
                             index='Date', 
                             columns='Product', 
                             values='Sales', 
                             aggfunc={'Sales': ['sum', 'mean', 'count']}, 
                             fill_value=0)
print(pivot_table)

输出:

代码语言:javascript
复制
          Sales              
              sum   mean count
Product        A    B    A    B    A  B
Date                                    
2023-01-01   100  150  100  150    1  1
2023-01-02   200  250  200  250    1  1
2023-01-03   300    0  300    0    1  0

解释

  • aggfunc={'Sales': ['sum', 'mean', 'count']}:我们指定了多个聚合函数,包括总和(sum)、平均值(mean)和计数(count)。
页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

左手pandas右手Python,带你学习数据透视表

数据透视表是数据分析工作中经常会用到的一种工具。Excel本身具有强大的透视表功能,Python中pandas也有透视表的实现。...本文使用两个工具对同一数据源进行相同的处理,旨在通过对比的方式,帮助读者加深对数据透视表的理解。 数据源简介: 本文数据源来自网络,很多介绍pandas的文章都使用了该数据。...Python代码的部分,我都做了详细的注释,Excel操作流程我也做了比较详细的说明。后台回复“透视表”可以获得数据和代码。...,列表里可以传入多个参数,如 table.query('Rep == ["Craig Booker", "John Smith"]') 2.excel实现 做好的数据透视表,具有行和列的筛选功能。...小结与备忘: index-对应透视表的“行”,columns对应透视表的列,values对应透视表的‘值’,aggfunc对应值的汇总方式。用图形表示如下: ?

3.6K40
  • 在pandas中使用数据透视表

    什么是透视表? 经常做报表的小伙伴对数据透视表应该不陌生,在excel中利用透视表可以快速地进行分类汇总,自由组合字段聚合计算,而这些只需要拖拉拽就能实现。...透视表是一种汇总了更广泛表数据的统计信息表。 典型的数据格式是扁平的,只包含行和列,不方便总结信息: ? 而数据透视表可以快速抽取有用的信息: ? pandas也有透视表?...pandas作为编程领域最强大的数据分析工具之一,自然也有透视表的功能。 在pandas中,透视表操作由pivot_table()函数实现,不要小看只是一个函数,但却可以玩转数据表,解决大麻烦。...参数aggfunc对应excel透视表中的值汇总方式,但比excel的聚合方式更丰富: ? 如何使用pivot_table? 下面拿数据练一练,示例数据表如下: ?...总结 本文介绍了pandas pivot_table函数的使用,其透视表功能基本和excel类似,但pandas的聚合方式更加灵活和多元,处理大数据也更快速,大家有兴趣可探索更高级的用法。

    2.8K40

    在pandas中使用数据透视表

    Python大数据分析 记录 分享 成长 什么是透视表?...经常做报表的小伙伴对数据透视表应该不陌生,在excel中利用透视表可以快速地进行分类汇总,自由组合字段聚合计算,而这些只需要拖拉拽就能实现。...透视表是一种汇总了更广泛表数据的统计信息表。 典型的数据格式是扁平的,只包含行和列,不方便总结信息: 而数据透视表可以快速抽取有用的信息: pandas也有透视表?...pandas作为编程领域最强大的数据分析工具之一,自然也有透视表的功能。 在pandas中,透视表操作由pivot_table()函数实现,不要小看只是一个函数,但却可以玩转数据表,解决大麻烦。...pivot_table函数的使用,其透视表功能基本和excel类似,但pandas的聚合方式更加灵活和多元,处理大数据也更快速,大家有兴趣可探索更高级的用法。

    3K20

    对比Excel,学习pandas数据透视表

    Excel中做数据透视表 ① 选中整个数据源; ② 依次点击“插入”—“数据透视表” ③ 选择在Excel中的哪个位置,插入数据透视表 ④ 然后根据实际需求,从不同维度展示结果 ⑤ 结果如下 pandas...用pivot_table()做数据透视表 1)语法格式 pd.pivot_table(data,index=None,columns=None, values=None,aggfunc...参数说明: data 相当于Excel中的"选中数据源"; index 相当于上述"数据透视表字段"中的行; columns 相当于上述"数据透视表字段"中的列; values 相当于上述"数据透视表字段...案例说明 1)求出不同品牌下,每个月份的销售数量之和 ① 在Excel中的操作结果如下 ② 在pandas中的操作如下 df = pd.read_excel(r"C:\Users\黄伟\Desktop\...销售数量之和”与“货号计数” ① 在Excel中的操作结果如下 ② 在pandas中的操作如下 df = pd.read_excel(r"C:\Users\黄伟\Desktop\pivot_table.xlsx

    1.6K20

    对比Excel,学习pandas数据透视表

    Excel中做数据透视表 ① 选中整个数据源; ② 依次点击“插入”—“数据透视表” ③ 选择在Excel中的哪个位置,插入数据透视表 ④ 然后根据实际需求,从不同维度展示结果 ⑤ 结果如下 pandas...用pivot_table()做数据透视表 1)语法格式 pd.pivot_table(data,index=None,columns=None, values=None,aggfunc...参数说明: data 相当于Excel中的"选中数据源"; index 相当于上述"数据透视表字段"中的行; columns 相当于上述"数据透视表字段"中的列; values 相当于上述"数据透视表字段...案例说明 1)求出不同品牌下,每个月份的销售数量之和 ① 在Excel中的操作结果如下 ② 在pandas中的操作如下 df = pd.read_excel(r"C:\Users\黄伟\Desktop\...销售数量之和”与“货号计数” ① 在Excel中的操作结果如下 ② 在pandas中的操作如下 df = pd.read_excel(r"C:\Users\黄伟\Desktop\pivot_table.xlsx

    1.7K10

    【数据处理包Pandas】数据透视表

    import numpy as np import pandas as pd 一、通过多级索引创建数据透视表 利用多级索引产生学生成绩表: r_index = pd.MultiIndex.from_product...df2.reindex(columns=[('富强','数学'),('李海','英语'),('王亮','数学'),('富强','语文')]) 二、数据透视表   数据透视表相当于在行和列两个维度上进行分组...数据透视表的效果可以通过groupby来实现,但有时候直接使用pivot_table方法建立数据透视表可能更方便些,而且额外提供了汇总功能。...第1个参数是data参数,提供了绘制数据透视表的数据来源,可以是整个 DataFrame,也可以是 DataFrame 的子集;index和columns参数指定了行分组键和列分组键;values指定想要聚合的数据字段名...(df,index='年份',columns='课程',values=['富强','李海','王亮'],aggfunc='max') 与上面数据透视表等价的groupby写法: df.groupby([

    7400

    利用excel与Pandas完成实现数据透视表

    数据透视表是一种分类汇总数据的方法。本文章将会介绍如何用Pandas完成数据透视表的制作和常用操作。...1,制作数据透视表 制作数据透视表的时候,要确定这几个部分:行字段、列字段、数据区,汇总函数。数据透视表的结构如图1所示。...图1 数据透视表的结构 Excel制作数据透视表很简单,选中表格数据,并点击工具栏上的“数据透视表”菜单即可,如图2所示。...图2 Excel制作数据透视表 Pandas里制作数据透视表主要使用pivot_table方法。...图14 对数据透视表中的数据进行分组 用Pandas也可以实现类似的统计,示例代码如下: 代码11-9 对数据透视表中的数据进行分组统计 import pandas as pd import xlwings

    2.3K40

    SQL、Pandas和Spark:如何实现数据透视表?

    所以,今天本文就围绕数据透视表,介绍一下其在SQL、Pandas和Spark中的基本操作与使用,这也是沿承这一系列的文章之一。 ?...02 Pandas实现数据透视表 在三大工具中,Pandas实现数据透视表可能是最为简单且又最能支持自定义操作的工具。...这里给出Pandas中数据透视表的API介绍: ?...03 Spark实现数据透视表 Spark作为分布式的数据分析工具,其中spark.sql组件在功能上与Pandas极为相近,在某种程度上个人一直将其视为Pandas在大数据中的实现。...在Spark中实现数据透视表的操作也相对容易,只是不如pandas中的自定义参数来得强大。 首先仍然给出在Spark中的构造数据: ?

    2.9K30

    一文搞定pandas的透视表

    透视表在一种功能很强大的图表,用户可以从中读取到很多的信息。利用excel可以生成简单的透视表。本文中讲解的是如何在pandas中的制作透视表。 读取数据 import pandas as pd import numpy as np ​ df = pd.read_excel("....图形备忘录 查询指定的字段值的信息 当通过透视表生成了数据之后,便被保存在了数据帧中 高级功能 Status排序作用的体现 不同的属性字段执行不同的函数 查看总数据,使用margins=True...解决数据的NaN值,使用fill_value参数 4.使用columns参数,指定生成的列属性 使用aggfunc参数,指定多个函数 使用index和values两个参数 只使用index参数...建立透视表 不严格要求,但是设置了顺序有助于分析,一直保持所想要的顺序 使用category数据类型,按照想要查看的方式设置顺序 设置数据

    1.3K11

    ​【Python基础】一文看懂 Pandas 中的透视表

    一文看懂 Pandas 中的透视表 透视表在一种功能很强大的图表,用户可以从中读取到很多的信息。利用excel可以生成简单的透视表。本文中讲解的是如何在pandas中的制作透视表。...读取数据 注:本文的原始数据文件,可以在公号「Python数据之道」后台回复 “透视表”获取。...df["Status"].cat.set_categories(["won","pending","presented","declined"],inplace=True) # 设置顺序 建立透视表...4.使用columns参数,指定生成的列属性 ? 5. 解决数据的NaN值,使用fill_value参数 ? 6. 查看总数据,使用margins=True ? 7....不同的属性字段执行不同的函数 ? ? 8. Status排序作用的体现 ? 高级功能 当通过透视表生成了数据之后,便被保存在了数据帧中 查询指定的字段值的信息 ?

    1.7K20

    技术|数据透视表,Python也可以

    19 2019-01 技术|数据透视表,Python也可以 对于熟悉Excel的小伙伴来说,学习Python的时候就按照没个功能在Python中如何实现进行学习就可以啦~ LEARN MORE ?...如果换用一个软件,很显然,这样的思路也不会发生任何改变。 接下来就给大家讲一下如何在Python中实现数据透视表的功能。 ? pivot ?...pd.pivot_table 这就是实现数据透视表功能的核心函数。显而易见,这个函数也是基于Pandas的。...在使用这个功能之前,需要先import pandas as pd哦~ pivot这个单词本身就已经告诉我们这个函数实现的功能类似于数据透视表(数据透视:data pivot) 需要指定的参数也和Excel...我们先回顾一下使用Excel进行数据透视表的操作过程: 首先,选中希望进行数据透视的数据,点击数据透视表,指定数据透视表的位置。 ? ?

    2.1K20

    传统数据透视表之不能——非重复计数PowerPivot轻松解

    小勤:大海,上次你的文章《Excel统计无法承受之轻——非重复计数问题PQ解》教我用Power Query直接实现了非重复计数的操作,但现在除了非重复计数,还有很多其他的数据要统计,能不能直接在数据透视表里实现...大海:传统的数据透视表功能很强大,但非常奇怪的是——不支持非重复计数!你要用数据透视同时实现其他统计和非重复计数,又不想在原始数据表里增加辅助列的话,得考虑用Power Pivot了。 小勤:啊。...Step-1:将数据添加到数据模型 Step-2:创建数据透视表 Step-3:按统计分析需要将不同的字段拖拽到相应的行、值位置 Step-4:将客户号的计数改为“非重复计数“,同时按需要修改字段名称...好像跟传统数据透视表的操作基本没有差别啊。 大海:是的,其实就是第一步,将数据“添加到数据模型”,其他没有任何差别。 小勤:嗯。...就是添加到数据模型后,创建的数据透视表模型里来,就直接支持非重复计数了? 大海:对啊。

    3K30

    熟练掌握 Pandas 透视表,数据统计汇总利器

    pivot_table 可以把一个大数据表中的数据,按你指定的"分类键"进行重新排列。...你还可以指定用"总和"、"均值"等聚合函数来汇总每个格子的数据。 拥有了这张透视表,数据就井然有序了。你可以一览无余地观察每个类别、每个地区的销售情况,发现潜在规律和异常。...(Region)卖出的产品(Product),以及当前产品的销售额(Sales),客户质量(Quantity),现在希望对每个地区售卖的产品和销售额做一个统计汇总透视表。...快速上手系列算上本文是更新了 8 篇,其他文章如下: Python 中的 pandas 快速上手之:概念初识 pandas 快速上手系列:自定义 dataframe 读 DataFrame 不只是读...多维度数据透视与总结,透视表功能可以按任意的行列索引对数据进行高效切割与聚合,全方位统计各维度的关键信息。

    42400

    一文看懂pandas中的透视表

    一文看懂pandas中的透视表 读取数据 import pandas as pd import numpy as np df = pd.read_excel("....设置数据 使用category数据类型,按照想要查看的方式设置顺序 不严格要求,但是设置了顺序有助于分析,一直保持所想要的顺序 df["Status"] = df["Status"].astype...") df["Status"].cat.set_categories(["won","pending","presented","declined"],inplace=True) # 设置顺序 建立透视表...4.使用columns参数,指定生成的列属性 ? 解决数据的NaN值,使用fill_value参数 ? 查看总数据,使用margins=True ? 不同的属性字段执行不同的函数 ? ?...Status排序作用的体现 ? 高级功能 当通过透视表生成了数据之后,便被保存在了数据帧中 查询指定的字段值的信息 ? 图形备忘录 ?

    82530

    ​一文看懂 Pandas 中的透视表

    一文看懂 Pandas 中的透视表 透视表在一种功能很强大的图表,用户可以从中读取到很多的信息。利用excel可以生成简单的透视表。本文中讲解的是如何在pandas中的制作透视表。...读取数据 注:本文的原始数据文件,可以在早起Python后台回复 “透视表”获取。...设置数据 使用 category数据类型,按照想要查看的方式设置顺序 不严格要求,但是设置了顺序有助于分析,一直保持所想要的顺序 df["Status"] = df["Status"].astype(...4.使用columns参数,指定生成的列属性 ? 5. 解决数据的NaN值,使用fill_value参数 ? 6. 查看总数据,使用margins=True ? 7....不同的属性字段执行不同的函数 ? ? 8. Status排序作用的体现 ? 高级功能 当通过透视表生成了数据之后,便被保存在了数据帧中 查询指定的字段值的信息 ?

    1.9K30

    5分钟了解Pandas的透视表

    Pandas 库是用于数据分析的流行 Python 包。Pandas 中处理数据集时,结构将是二维的,由行和列组成,也称为dataframe。...然而,数据分析的一个重要部分是对这些数据进行分组、汇总、聚合和计算统计的过程。 Pandas 数据透视表提供了一个强大的工具来使用 python 执行这些分析技术。...如果你是excel用户,那么可能已经熟悉数据透视表的概念。Pandas 数据透视表的工作方式与 Excel 等电子表格工具中的数据透视表非常相似。...("autos", version=1, as_frame=True, return_X_y=True) data = X data['target'] = y 透视表剖析 Pandas 数据透视表具有三个主要元素...它们今天仍在广泛使用,因为它们是分析数据的强大工具。Pandas 数据透视表将这个工具从电子表格中带到了 python 用户的手中。 本指南简要介绍了 Pandas 中数据透视表工具的使用。

    1.9K50

    Python数据透视表与透视分析:深入探索数据关系

    数据透视表是一种用于进行数据分析和探索数据关系的强大工具。它能够将大量的数据按照不同的维度进行聚合,并展示出数据之间的关系,帮助我们更好地理解数据背后的模式和趋势。...在Python中,有多个库可以用来创建和操作数据透视表,其中最常用的是pandas库。 下面我将介绍如何使用Python中的pandas库来实现数据透视表和透视分析。...df = pd.read_csv('data.csv') # 根据实际情况修改文件路径和格式 3、创建数据透视表:使用pandas的pivot_table()函数可以轻松创建数据透视表。...下面是一些常用的操作: 筛选数据:可以基于数据透视表中的特定值或条件筛选出我们感兴趣的数据。...import matplotlib.pyplot as plt pivot_table.plot(kind='bar') plt.show() 通过以上步骤,我们可以利用Python中的数据透视表和透视分析

    24210
    领券