快捷導(dǎo)航

Pandas數(shù)據(jù)分析之pandas數(shù)據(jù)透視表和交叉表

更新時(shí)間：2022年08月12日 10:25:41 作者：阡之塵埃

這篇文章主要介紹了Pandas數(shù)據(jù)分析之pandas數(shù)據(jù)透視表和交叉表，pandas對(duì)數(shù)據(jù)框也可以像excel一樣進(jìn)行數(shù)據(jù)透視表整合之類的操作。主要是針對(duì)分類數(shù)據(jù)進(jìn)行操作，還可以計(jì)算數(shù)值型數(shù)據(jù)，去滿足復(fù)雜的分類數(shù)據(jù)整理的邏輯

前言

pandas對(duì)數(shù)據(jù)框也可以像excel一樣進(jìn)行數(shù)據(jù)透視表整合之類的操作。主要是針對(duì)分類數(shù)據(jù)進(jìn)行操作，還可以計(jì)算數(shù)值型數(shù)據(jù)，去滿足復(fù)雜的分類數(shù)據(jù)整理的邏輯。

首先還是導(dǎo)入包：

import numpy as np
import pandas as pd

整理透視 pivot

首先介紹的是最簡(jiǎn)單的整理透視函數(shù)pivot，其原理如圖：

pivot參數(shù)：

index：新 df 的索引列，用于分組，如果為None，則使用現(xiàn)有索引
columns：新 df 的列，如果透視后有重復(fù)值會(huì)報(bào)錯(cuò)
values：用于填充 df 的列。如果未指定，將使用所有剩余的列，并且結(jié)果將具有按層次結(jié)構(gòu)索引的列

用法如下，首先生成案例數(shù)據(jù)df

df = pd.DataFrame({'foo': ['one', 'one', 'one', 'two', 'two', 'two'],
                   'bar': ['A', 'B', 'C', 'A', 'B', 'C'],
                   'baz': [1, 2, 3, 4, 5, 6],
                   'zoo': ['x', 'y', 'z', 'q', 'w', 't']})
df

df.pivot(index='foo', columns='bar', values='baz')

可以看到是一一對(duì)應(yīng)。簡(jiǎn)單來(lái)說(shuō)就是把foo、bar兩個(gè)分類變量整到行列名稱上去了，baz作為值

# 多層索引，可以取其中一列
df.pivot(index='foo', columns='bar') #['baz']

# 指定值
df.pivot(index='foo', columns='bar', values=['baz', 'zoo'])

聚合透視 Pivot Table

上面的pivot只適用于一一對(duì)應(yīng)的情況，如果分類變量的組合一樣，但是取值不一樣就會(huì)報(bào)錯(cuò)。此時(shí)應(yīng)該用Pivot Table，他默認(rèn)計(jì)算相同情況的均值。

參數(shù)：

data: 要透視的 DataFrame 對(duì)象
values: 要聚合的列或者多個(gè)列
index: 在數(shù)據(jù)透視表索引上進(jìn)行分組的鍵
columns: 在數(shù)據(jù)透視表列上進(jìn)行分組的鍵
aggfunc: 用于聚合的函數(shù), 默認(rèn)是 numpy.mean'''

df = pd.DataFrame({"A": ["a1", "a1", "a1", "a2", "a2","a2"],
                   "B": ["b2", "b2", "b1", "b1", "b1","b1"],
                   "C": ['c1','c1','c2','c2','c1','c1'],
                   "D": [1, 2, 3, 4, 5, 6]})
df

#索引a，列b使用Pivot會(huì)報(bào)錯(cuò)，因?yàn)樗麄冎g的組合有重復(fù)，要用Pivot Table，默認(rèn)計(jì)算均值
pd.pivot_table(df,index='A',columns='B',values='D')

#驗(yàn)證一下b1,a2這個(gè)均值5
df.loc[(df.A=='a2')&(df.B=='b1')].D.mean()

聚合透視高級(jí)操作

pd.pivot_table(df,index=['A','B'],#指定多個(gè)索引
               columns=['C'],  #指定列
               values='D', #數(shù)據(jù)值列
               aggfunc=np.sum, #聚合函數(shù)
               fill_value=0, #空值填充
               margins=True  #增加匯總列
              )

#多個(gè)計(jì)算方法

pd.pivot_table(df,index=['A','B'],#指定多個(gè)索引
               columns=['C'],  #指定列
               values='D', #數(shù)據(jù)值列
               aggfunc=[np.sum,np.mean,np.std]
              )

交叉表crosstab()

交叉表是用于統(tǒng)計(jì)分組頻率的特殊透視表。簡(jiǎn)單來(lái)說(shuō)，就是將兩個(gè)或者多個(gè)列重中不重復(fù)的元素組成一個(gè)新的 DataFrame，新數(shù)據(jù)的行和列交叉的部分值為其組合在原數(shù)據(jù)中的數(shù)量

語(yǔ)法結(jié)構(gòu)如下：

pd.crosstab(index, columns, values=None, rownames=None,colnames=None, aggfunc=None, margins=False,
margins_name: str = 'All', dropna: bool = True,normalize=False) #→ 'DataFrame'

參數(shù)說(shuō)明：

index：類數(shù)組，在行中按分組的值。
columns：類數(shù)組的值，用于在列中進(jìn)行分組。
values：類數(shù)組的，可選的，要根據(jù)因素匯總的值數(shù)組。
aggfunc：函數(shù)，可選，如果未傳遞任何值數(shù)組，則計(jì)算頻率表。
rownames：序列，默認(rèn)為None，必須與傳遞的行數(shù)組數(shù)匹配。
colnames：序列，默認(rèn)值為None，如果傳遞，則必須與傳遞的列數(shù)組數(shù)匹配。
margins：布爾值，默認(rèn)為False，添加行/列邊距（小計(jì)）
normalize：布爾值，{'all'，'index'，'columns'}或{0,1}，默認(rèn)為False。通過(guò)將所有值除以值的總和進(jìn)行歸一化。'

生成案例數(shù)據(jù)：

df = pd.DataFrame({"A": ["a1", "a1", "a1", "a2", "a2","a2"],
                   "B": ["b2", "b2", "b1", "b1", "b1","b1"],
                   "C": ['c1','c1','c2','c2','c1','c1'],
                   "D": [1, 2, 3, 4, 5, 6]})
df

pd.crosstab(df['A'],df['B'])  #都是分類數(shù)據(jù)，計(jì)算頻率

pd.crosstab(df['A'],df['C']) #都是分類數(shù)據(jù)

#對(duì)交叉結(jié)果進(jìn)行歸一化：
pd.crosstab(df['A'], df['B'], normalize=True)

#對(duì)每列進(jìn)行歸一化：
pd.crosstab(df['A'], df['B'], normalize='columns')

#聚合，指定列做為值，并將這些值按一定算法進(jìn)行聚合：
pd.crosstab(df['A'], df['C'], values=df['D'], aggfunc=np.sum) #分類和數(shù)值

#邊距匯總，在最右邊增加一個(gè)匯總列：
pd.crosstab(df['A'], df['B'],values=df['D'],aggfunc=np.sum,
            normalize=True,margins=True)

數(shù)據(jù)融合melt()

#df.melt() 是 df.pivot() 逆轉(zhuǎn)操作函數(shù)。簡(jiǎn)單說(shuō)就是將指定的列放到鋪開(kāi)放到行上名為variable(可指定)列，值在value(可指定)列

語(yǔ)法結(jié)構(gòu)：

具體語(yǔ)法結(jié)構(gòu)如下：

pd.melt(frame: pandas.core.frame.DataFrame,id_vars=None, value_vars=None,
? ? ? ? var_name='variable', value_name='value',col_level=None)

其中：

id_varstuple：list或ndarray（可選），用作標(biāo)識(shí)變量的列。
value_varstuple：列表或ndarray，可選，要取消透視的列。如果未指定，則使用未設(shè)置為id_vars的所有列。
var_namescalar：用于“變量”列的名稱。如果為None，則使用frame.columns.name或“variable”。
value_namescalar：默認(rèn)為“ value”，用于“ value”列的名稱。
col_levelint或str：可選，如果列是MultiIndex，則使用此級(jí)別來(lái)融化。

生成案例數(shù)據(jù)：

df=pd.DataFrame({'A':['a1','a2','a3','a4','a5'],
                'B':['b1','b2','b3','b4','b5'],
                'C':[1,2,3,4,5]})
df

pd.melt(df)

#指定標(biāo)識(shí)和值,
pd.melt(df,id_vars=['A'])  #只對(duì)BC展開(kāi)

pd.melt(df,value_vars=['B','C']) #保留BC,并展開(kāi)

#同時(shí)指定，并命名
pd.melt(df,id_vars=['A'],value_vars=['B'],var_name='B_label',value_name='B_value')

數(shù)據(jù)堆疊 stack

#stack就是把列變量堆到行上，unstack就是行變到列上

生成案例數(shù)據(jù) ：

#堆疊 stack 單層索引：
df = pd.DataFrame({'A':['a1','a1','a2','a2'],
                  'B':['b1','b2','b1','b2'],
                  'C':[1,2,3,4],
                  'D':[5,6,7,8],
                  'E':[5,6,7,8]})
df.set_index(['A','B'],inplace=True)
df

stack 堆疊

df.stack()

unstack 解堆

df.stack().unstack()

df.stack().unstack().unstack()

df.stack().unstack().unstack().unstack()

可以看到，解堆就是不停地把列變量弄到行上去作為索引。

到此這篇關(guān)于Pandas數(shù)據(jù)分析之pandas數(shù)據(jù)透視表和交叉表的文章就介紹到這了,更多相關(guān)pandas數(shù)據(jù)透視表內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: