Python里怎么样做数据透视表?在我们工作中经常会遇到需要做数据透视表，它能很快的帮我们收集我们想要的数据，而在用Python里的Pandas可以实现，虽然不如Excel方便，但是效果也还不错，接下来我们一起了解看看吧。

    1.groupby + agg

    不够直观，不好看

    对贷款年份，贷款种类创建数据透视

train_data.groupby(['year_of_loan', 'class']).agg(d_roat =('isDefault', 'mean'))

    2. crosstab

pandas.crosstab(index, columns,values, rownames=None, colnames, 
				aggfunc, margins, margins_name, dropna, normalize)

    主要用到的参数：

    index：选哪个变量做数据透视表的行

    columns：选哪个变量做数据透视表的列

    values：要聚合的值

    aggfunc：使用的聚合函数

    margins：是否添加汇总列/行

    margins_name：汇总行/列的名字

    例子

    对贷款年份，贷款种类创建数据透视

pd.crosstab(train_data['year_of_loan'], train_data['class'], train_data['loan_id'], 

                                                            aggfunc='count',margins = True, margins_name = '合计')

    可以直接看出交叉组合之后违约比例

pd.crosstab(train_data['year_of_loan'], train_data['class'], train_data['isDefault'], aggfunc='mean')

    3.groupby + pivot

train_data.groupby(['year_of_loan', 'class'],

                                 as_index = False)['isDefault'].mean().pivot('year_of_loan', 'class', 'isDefault')

    pivot_table

pandas.pivot_table(data, values, index, columns, aggfunc, fill_value, 
					margins, dropna, margins_name, observed, sort)

    常用参数与crosstab一致

    例子

    实现同样的数据透视表

pandas.pivot_table(data, values, index, columns, aggfunc, fill_value, 
					margins, dropna, margins_name, observed, sort)

pd.pivot_table(train_data[['year_of_loan', 'class', 'isDefault']],
			   values='isDefault', index=['year_of_loan'], columns=['class'], 
			   aggfunc='mean')

    总结

    以上就是Python里实现数据透视表的几种方法，有些展现效果不是很好，有些数据显示的很清晰，有需要的朋友可以参考了解看看，本文代码有一定的参考价值。最好，想要了解更多可以继续浏览群英网络其他相关的文章。

文本转载自脚本之家

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。