利用Python进行数据分组/数据透视表

1.数据分组

源数据表如下所示：

1.1 分组键是列名

分组键是列名时直接将某一列或多列的列名传给groupby()方法，groupby()方法就会按照这一列或多列进行分组。

• 按照一列进行分组

import pandas as pd

df = pd.DataFrame(pd.read_excel("Client_Data.xlsx"))
print(df)
#按照客户分类对数据进行分组
print (df.groupby("客户分类").count())

根据客户分类对所有数据进行分组，然后对分组以后的数据分别进行计数运算，最后进行合并，如下：

• 按照多列进行分组

import pandas as pd

df = pd.DataFrame(pd.read_excel("Client_Data.xlsx"))
print(df)
#按照多列对数据进行分组
print (df.groupby(["客户分类","区域"]).count())

执行结果如图：

1.2 分组键是Series

把DataFrame的其中一列取出来就是一个Series，比如df["客户分类"]就是一个Series。

分组键是列名与分组键是Series的唯一区别就是，给groupby()方法传入了什么，其他都一样。可以按照一个或多个Series进行分组，分组以后的汇总计算也是完全一样的，也支持对分组以后的某些列进行汇总计算。

#按单个Series进行分组
print (df.groupby(df["客户分类"]).count())
#按单个Series进行分组
print (df.groupby(df["客户分类"],df["区域"]).count())

1.3 神奇的aggregate方法

aggregate的第一个神奇之处在于，一次可以使用多种汇总方式，比如下面的例子先对分组后的所有列做计数汇总运算，然后对所有列做求和汇总运算。

import pandas as pd

df = pd.DataFrame(pd.read_excel("Client_Data.xlsx"))
#对数据进行计数汇总与求和汇总运算
print(df.groupby("客户分类").aggregate(["count","sum"]))

aggregate的第二个神奇之处在于，可以针对不同的列做不同的汇总运算，比如，想看不同类别的用户有多少，那么对用户ID进行计数；想看不同类别的用户在7/8/9的销量，则需要对销量进行求和。

import pandas as pd

df = pd.DataFrame(pd.read_excel("Client_Data.xlsx"))

print(df.groupby("客户分类").aggregate({"用户ID":"count","7月销量":"sum","8月销量":"sum","9月销量":"sum"}))

1.4 对分组后的结果重置索引

为了便于对分组结果进行进一步处理和分析，需要把非标准形式转化为标准的DataFrame形式，利用的方法就是重置索引reset_index()方法。

import pandas as pd

df = pd.DataFrame(pd.read_excel("Client_Data.xlsx"))

print(df.groupby("客户分类").count())
#利用reset_index()重置索引
print(df.groupby("客户分类").count().reset_index())

2.数据透视表

Python中的数据透视表用到的是pivot_table()方法，其全部参数如下：

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

#data：表示要做数据透视表的整个表
#values：对应excel中值那个框
#index：对应excel中行那个框
#columns：对应excel中列那个框
#aggfunc：表示对values的计算类型
#fill_value：表示对空值的填充值
#margins：表示是否显示合计列
#dropna：表示是否删除缺失，如果为真时，则把一整行全作为缺失值删除
#margins_name：表示合计列的列名

实例，客户分类作为index，区域作为columns，用户ID作为values，对values执行count运算：

import pandas as pd

df = pd.DataFrame(pd.read_excel("Client_Data.xlsx"))
#客户分类作为index，区域作为columns，用户ID作为values，对values执行count运算
print(pd.pivot_table(df,values="用户ID",index="客户分类",columns="区域",aggfunc='count',margins=True))

执行结果如下：

可用margins_name对合计列名称"All"进行修改。

可用fill_value对缺失值进行填充。

可用reset_index()对透视表结果进行重置索引。