如何用Python实现透视表？

即将开播：5月14日，Jenkins在K8S下的三种部署流程和实战演示

相信接触过Excel的小伙伴都知道，Excel有一个非常强大的功能“数据透视表”，使用数据透视表可以自由选择不同字段，用不同的聚合函数进行汇总，并建立交叉表格，用以从不同层面观察数据。这么强大的功能，在Python中怎么去实现呢?

不用担心，Python的"数据分析小能手"Pandas很贴心地为我们提供了一个快速实现数据透视表功能的方法——pivot_table()。事不宜迟，让我们赶紧看看如何在Python中实现数据透视表!

1. 数据

为帮助大家更好地理解，在讲解如何使用pivot_table( )实现透视表前，我们先导入示例数据，在接下来的讲解中都使用此数据作为例子。

# 导入示例数据 
<<< datadata =pd.read_csv("data.csv") 
<<< data.head() 
    月份  项目  部门   金额       剩余金额 
0   1月  水费  市场部 1962.37    8210.58 
1   2月  水费  市场部 690.69     9510.60 
2   2月  电费  市场部 2310.12    5384.92 
3   2月  电费  运营部 -1962.37   7973.10 
4   2月  电费  开发部 1322.33    6572.16 

下面我将带大家使用pivot_table( )一步一步实现数据透视表的操作。

2. 操作

首先，原数据有5个字段，我们在做数据透视表之前必须理解每个字段的意思，明确清楚自己需要得到什么信息。

假设我们想看看不同月份所花费的水电费金额是多少，这时我们需要把字段“月份”设置为索引，将字段“金额”设置为我们需要看的值，具体代码如下：

<<< data.pivot_table(index=['月份'],values=['金额']) 
           金额 
月份   
10月 3723.940000 
11月 2900.151667 
12月 10768.262857 
1月  1962.370000 
2月  1432.280000 
3月  3212.106667 
4月  4019.175000 
5月  4051.480000 
6月  6682.632500 
7月  11336.463333 
8月  17523.485000 
9月  10431.960000 

参数index为设置的索引列表，即分组依据，需要用中括号[ ]将索引字段括起来;参数values为分组后进行计算的字段列表，也需要用中括号[ ]括起来。这两个参数的值可以是一个或多个字段，即按照多个字段进行分组和对多个字段进行计算汇总。例如，设置index=['项目','部门']代表求不同项目不同部门下的金额。

<<< data.pivot_table(index=['项目','部门'],values=['金额']) 
            金额 
项目  部门   
水费  市场部  3614.318125 
     开发部   2358.205000 
     运营部   5896.213333 
电费  市场部   6094.748235 
      开发部   1322.330000 
      运营部   7288.615000 
采暖费 市场部   5068.380000 
      运营部   55978.000000 

若设置values=['金额','剩余金额']，即求不同项目不同部门下金额和剩余金额的值。

<<< data.pivot_table(index=['项目','部门'],values=['金额','剩余金额']) 
              剩余金额       金额 
项目  部门       
水费  市场部    7478.423125  3614.318125 
      开发部   6866.490000   2358.205000 
      运营部   7224.033333   5896.213333 
电费  市场部    7645.535882   6094.748235 
      开发部   6572.160000    1322.330000 
      运营部   8821.895000    7288.615000 
采暖费 市场部   6572.030000    5068.380000 
      运营部   7908.560000    55978.000000 

同时，如果我们想以交叉表的形式查看不同项目和不同部门下的消费金额，这时就要将字段‘部门’设置为列名，进行交叉查看，具体代码如下：

<<< data.pivot_table(index=['项目'],columns=['部门'],values=['金额']) 
      金额 
部门   市场部        开发部     运营部 
项目           
水费   3614.318125  2358.205  5896.213333 
电费   6094.748235  1322.330  7288.615000 
采暖费  5068.380000  NaN      55978.000000 

通过上面的示例，我们可以看到某个分组下不存在记录会被标记为NAN，例如上述中采暖部和开发部不存在金额这一字段的记录，则会标记为NAN。如果不希望被标记为NAN，我们可以通过设置参数fill_value=0来用数值0替代这部分的缺失值。

<<< data.pivot_table(index=['项目'],columns=['部门'],values=['金额'],fill_value=0) 
      金额 
部门   市场部        开发部     运营部 
项目           
水费   3614.318125  2358.205  5896.213333 
电费   6094.748235  1322.330  7288.615000 
采暖费  5068.380000  0.000    55978.000000 

在上面的示例中，我们都是默认分组后对值进行求平均值计算，假如我们想查看不同项目不同部门下金额的总和该怎么实现呢?

通过设置参数aggfunc=np.sum即可对分组后的值进行求和操作，参数aggfunc代表分组后值的汇总方式，可传入numpy库中的聚合方法。

<<< data.pivot_table(index=['项目'],columns=['部门'],values=['金额'],fill_value=0,aggfunc=np.sum) 
金额 
部门    市场部      开发部    运营部 
项目           
水费    57829.09   4716.41   17688.64 
电费    103610.72  1322.33   29154.46 
采暖费   5068.38    0.00     55978.00 

除了常见的求和、求平均值这两种聚合方法，我们还可能接触到以下这几种：

描述方法标准差np.std()方差np.var()所有元素相乘np.prod()中数np.median()幂运算np.power()开方np.sqrt()最小值np.min()最大值np.max()以e为底的指数np.exp(10)对数np.log(10)

与前面介绍的参数index，columns，value一样，参数aggfunc传入的值也是一个列表，表示可传入一个或多个值。当传入多个值时，表示对该值进行多种汇总方式，例如同时求不同项目不同部门下金额的求和值和平均值：

<<< data.pivot_table(index=['项目'],columns=['部门'],values=['金额'],fill_value=0,aggfunc=[np.sum,np.max]) 
     sum               amax 
     金额               金额 
部门  市场部 开发部 运营部 市场部 开发部 运营部 
项目                       
水费  57829.09  4716.41  17688.64 16807.58 2941.28 6273.56 
电费  103610.72 1322.33  29154.46 18239.39 1322.33 26266.60 
采暖费 5068.38   0.00    55978.00  5068.38  0.00    55978.00 

同时，如果我们想对不同字段进行不同的汇总方式，可通过对参数aggfunc传入字典来实现，例如我们可以同时对不同项目不同部门下，对字段金额求总和值，对字段剩余金额求平均值：

<<< data.pivot_table(index=['项目'],columns=['部门'],values=['金额','剩余金额'],fill_value=0,aggfunc={'金额':np.sum,'剩余金额':np.max}) 
     剩余金额                  金额 
部门  市场部   开发部   运营部   市场部     开发部     运营部 
项目                       
水费  9510.60 8719.34 7810.38 57829.09   4716.41  17688.64 
电费  9625.27 6572.16 9938.82 103610.72  1322.33  29154.46 
采暖费 6572.03 0.00    7908.56 5068.38    0.00     55978.00 

另外，在进行以上功能的同时，pivot_table还为我们提供了一个求所有行及所有列对应合计值的参数margins，当设置参数margins=True时，会在输出结果的最后添加一行'All',表示根据columns进行分组后每一项的列总计值;以及在输出结果的最后添加一列'All',表示根据index进行分组后每一项的行总计值。

<<< pd.set_option('precision',0) 
<<< data.pivot_table(index=['项目'],columns=['部门'],values=['金额','剩余金额'],fill_value=0,aggfunc={'金额':np.sum,'剩余金额':np.max},margins=True) 
     剩余金额                 金额 
部门  市场部 开发部 运营部 All   市场部  开发部  运营部  All 
项目                               
水费  9511  8719  7810  9511  57829  4716   17689  80234 
电费  9625  6572  9939  9939  103611  1322  29154  134088 
采暖费 6572  0     7909  7909  5068    0     55978  61046 
All   9625  8719  9939  9939  166508  6039  102821 275368 

3. 番外

上面详细介绍了如何在python中通过pivot_table( )方法实现数据透视表的功能，那么，与数据透视表原理相同，显示方式不同的‘数据透视图’又该怎么实现呢?