极客笔记Pandas中的Pivot Table
在本文中，我们将介绍Pandas中的Pivot Table。Pivot Table是一种数据透视表的形式，可以从一个列数据集（dataframe）转换为一个新的表单，以提供更易于查看或更有用的格式的数据信息。
阅读更多：Pandas 教程
使用Pivot Table
使用Pivot Table方法旨在重构数据。数据的摆放方式会发生改变，但数据本身并不会随之改变。pivot_table()方法的常用参数如下：
- index：用于设置索引列的列名或列名序列，默认索引就是操作中的索引。
- values：用于设置汇总列的列名，而非汇总列将会被丢弃。
- columns：用于重塑数据前的列名，它是可选的。
- aggfunc：用于设置汇总函数，默认是np.mean，它指定了当数据在可能发生冲突或重叠的情况下，如何对数据进行合并处理。
让我们使用以下的示例数据集来说明pivot_table()的使用：
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': ['one', 'one', 'two', 'three'] * 3,
'B': ['A', 'B', 'C'] * 4,
'C': ['foo', 'foo', 'foo', 'bar', 'bar', 'bar'] * 2,
'D': np.random.randn(12),
'E': np.random.randn(12)})
print(df)
# Output:
# A B C D E
# 0 one A foo -0.054861 -0.753484
# 1 one B foo 0.293260 0.142676
# 2 two C foo -1.940675 -0.772475
# 3 three A bar 0.940166 0.531625
# 4 one B bar 0.230134 0.703728
# 5 one C bar -0.910558 -0.680082
# 6 two A foo -0.611765 0.566199
# 7 three B foo -0.423926 0.118055
# 8 one C foo -0.363204 1.185141
# 9 one A bar -0.078361 0.632515
# 10 two B bar 0.308853 0.089213
# 11 three C bar -1.854204 0.583568
我们将针对该数据集转换出汇总列为D的DataFrame表单。
table = pd.pivot_table(df, values='D', index=['A', 'B'],
columns=['C'], aggfunc=np.sum)
print(table)
此后可以看到结果如下：
C bar foo
A B
one A -0.078361 -0.054861
B 0.230134 0.293260
C -0.910558 -0.363204
three A 0.940166 NaN
B NaN -0.423926
C -1.854204 NaN
two A NaN -0.611765
B 0.308853 NaN
C NaN -1.940675
结果集中，每一个单元格是模糊计数和，它是值和汇总函数的交叉。如果需要多个值，再加一个values参数即可。
sort_values列的排序
Pandas中的数据排序可以使用sort_values()方法，该方法可以完成DataFrame表单或指定列的升序或降序排列。
让我们使用以下示例数据集：
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': ['one', 'one', 'two', 'three'] * 3,
'B': ['A', 'B', 'C'] * 4,
'C': ['foo', 'foo', 'foo', 'bar', 'bar', 'bar'] * 2,
'D': np.random.randn(12),
'E': np.random.randn(12)})
print(df)
# Output:
# A B C D E
# 0 one A foo -0.054861 -0.753484
# 1 one B foo 0.293260 0.142676
# 2 two C foo -1.940675 -0.772475
# 3 three A bar 0.940166 0.531625
# 4 one B bar 0.230134 0.703728
# 5 one C bar -0.910558 -0.680082
# 6 two A foo -0.611765 0.566199
# 7 three B foo -0.423926 0.118055
# 8 one C foo -0.363204 1.185141
# 9 one A bar -0.078361 0.632515
# 10 two B bar 0.308853 0.089213
# 11 three C bar -1.854204 0.583568
我们可以将该数据集按D列的升序排列：
df_sort = df.sort_values(by='D')
print(df_sort)
输出结果如下：
# A B C D E
# 2 two C foo -1.940675 -0.772475
# 11 three C bar -1.854204 0.583568
# 5 one C bar -0.910558 -0.680082
# 6 two A foo -0.611765 0.566199
# 7 three B foo -0.423926 0.118055
# 8 one C foo -0.363204 1.185141
# 0 one A foo -0.054861 -0.753484
# 9 one A bar -0.078361 0.632515
# 4 one B bar 0.230134 0.703728
# 10 two B bar 0.308853 0.089213
# 1 one B foo 0.293260 0.142676
# 3 three A bar 0.940166 0.531625
同时，我们也可以在排序中指定多列的优先级和升降序：
df_sort_multi = df.sort_values(by=['A', 'B', 'D'], ascending=[True, False, True])
print(df_sort_multi)
输出结果如下：
# A B C D E
# 8 one C foo -0.363204 1.185141
# 5 one C bar -0.910558 -0.680082
# 4 one B bar 0.230134 0.703728
# 1 one B foo 0.293260 0.142676
# 0 one A foo -0.054861 -0.753484
# 9 one A bar -0.078361 0.632515
# 2 two C foo -1.940675 -0.772475
# 11 three C bar -1.854204 0.583568
# 10 two B bar 0.308853 0.089213
# 7 three B foo -0.423926 0.118055
# 3 three A bar 0.940166 0.531625
# 6 two A foo -0.611765 0.566199
总结
Pandas中的Pivot Table方法和sort_values方法都可以帮助我们更好地转换数据集和排序数据集，从而提高数据的可读性和可操作性，对于数据分析和统计来说非常有用。同时，Pandas还提供了很多其他的功能和方法，建议对Pandas的API文档进行详细了解和学习，以提高数据处理和分析的效率和准确性。