Pandas———數據透視表和交叉表

    Excel高級功能還是不太懂，如數據透視表、函數等。 在數據處理方面， 既然Excel能做的，那當然Python的pandas應該也能完成。總結下Pandas是如何完成數據透視表和交叉表的。

 

 

1. 數據透視表

            數據透視表是一種常見的數據匯總工具，根據一個或者多個鍵對數據進行聚合，並根據行、列分組將數據分配到各個矩形區域。pandas.DataFrame中含有pivot_table方法、pandas.pivot_table來實現數據透視表。

    pandas.DataFrame.pivot_table函數參數：

pivot_table(self, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')

 

# values  ：      合並的列，需要聚合的列

# index    :      要聚合的列

# columns ：     用與分組的列名，可以理解為列索引名

# aggfunc ：     聚合函數

# fill_value:    缺失值填充

# dropna ：      boolean， default = True， 當前列都為NaN時，整列丟棄。

# margins:       boolean， default =  False ,  當margins=True， 增加列/行總計

# margins_name   string , default = 'All',  設定margin列名

 

 

 

            我選用的是fifa19的數據集， 從多個列中挑選了7個列，且排除了評分75以下的球員

 

 

import numpy as np

import pandas as pd

fifa_df = pd.read_csv('data.csv')

fifa_df.shape # 源數據維度(18207, 89)

selected_data = fifa_df[[u'ID',u'Name', u'Age',u'Nationality',u'Club',u'Potential',u'Overall']]

selected_data = selected_data[selected_data[u'Overall'] > 75]   # 評分75以上球員

selected_data.head()            # 查看數據前幾行

用Club篩選球員

selected_data.pivot_table(index= [u'Club'])  #  aggfunc 默認是 aggfunc='mean'， 所以求的是均值

 

Club 和 Nationality 篩選

selected_data.pivot_table(index= [u'Nationality', u'Club'])  

 

    我想看具體球員名稱, 就要在index中添加 u‘Name’， 查看阿根廷球員在哪些俱樂部

selected_data.pivot_table(index= [u'Nationality', u'Club', u'Name'])

selected_data.pivot_table(index= [u'Nationality', u'Club', u'Name']).loc['Argentina'] 

 

 

下圖來解釋 pivot_table 函數參數的位置關系

上圖來自： https://blog.csdn.net/mingkoukou/article/details/82870960 

 

•  query查詢分析

        我已經生成了數據透視表，  我要查看拉齊奧有哪些球員，如何查詢呢？

table = selected_data.pivot_table(index= [u'Nationality', u'Club', u'Name'], values=[u'Age', u'Overall', u'Potential'])

table.query('Club==["Lazio"]')

 

 

2. 交叉表

            交叉表是一種特殊的pivot_table, 同於統計分組頻率。

　　　  文檔里的crosstab函數如下：

 

crosstab(index, columns, values=None, rownames=None, colnames=None, aggfunc=None, margins=False, margins_name='All', dropna=True, normalize=False)

 

# index ： 行索引

# columns： 列值

# value ： 聚合的值

# rownames、colnames： 行、列名

# aggfunc： 聚合函數

# normalize :  正則化

 

        - If passed 'all' or `True`, will normalize over all values.

        - If passed 'index' will normalize over each row.

        - If passed 'columns' will normalize over each column.

        - If margins is `True`, will also normalize margin values.

 

 我要看某個國家在各個俱樂部的分布， 比如看阿根廷在各個俱樂部有幾名球員

 

cross_tables_fifa = pd.crosstab(index=selected_data[u'Nationality'], columns=selected_data[u'Club'] )

cross_tables_fifa.query('Nationality==["Argentina"]')