Pandas教程-Pandas DataFrame.pivot_table()

Pandas的pivot_table()用于计算、聚合和总结数据。它被定义为一种强大的工具，可以使用Sum、Count、Average、Max和Min等计算对数据进行聚合。

它还允许用户在创建了数据透视表后对数据进行排序和过滤。

参数：

• data： 一个DataFrame。
• values： 这是一个可选参数，表示要聚合的列。
• index： 它指的是要进行分组的列、分组器和数组。

如果传递一个数组，它必须与数据的长度相同。

• columns： 指的是列、分组器和数组

如果传递一个数组，它必须与数据的长度相同。

• aggfunc： 函数、函数列表、字典，默认为numpy.mean 如果传递函数列表，生成的透视表将具有层次化的列，其顶级是函数名称。 如果传递字典，键被称为要聚合的列，值是函数或函数列表。
• fill_value[标量，默认为None]： 用一个值替换缺失值。
• margins[布尔值，默认为False]： 添加所有行/列（例如，用于小计/总计）
• dropna[布尔值，默认为True]： 删除所有条目都是NaN的列。
• margins_name[字符串，默认为'All']： 指的是在margins为True时包含总计的行/列的名称。

返回：

它返回一个DataFrame作为输出。

示例：

# importing pandas as pd   
import pandas as pd   
import numpy as np   
     
# create dataframe   
info = pd.DataFrame({'P': ['Smith', 'John', 'William', 'Parker'],   
      'Q': ['Python', 'C', 'C++', 'Java'],   
      'R': [19, 24, 22, 25]})   
info   
table = pd.pivot_table(info, index =['P', 'Q'])     
table  

输出

    P          Q         R
   John       C         24
   Parker     Java      25
   Smith      Python    19
   William    C         22