Pandas透视表pivot_table完整教程 - 数据分析必备技能

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

import pandas as pd
import numpy as np

# 创建示例数据
df = pd.DataFrame({
    '部门': ['技术部', '技术部', '市场部', '市场部', '人事部', '人事部'],
    '城市': ['北京', '上海', '北京', '上海', '北京', '上海'],
    '薪资': [15000, 14000, 12000, 11000, 10000, 9000],
    '人数': [50, 40, 30, 25, 15, 12]
})

# 基本透视表：按部门计算平均薪资
pivot = pd.pivot_table(df, index='部门', values='薪资', aggfunc='mean')
print(pivot)

# 输出：
#           薪资
# 部门          
# 人事部  9500.0
# 市场部 11500.0
# 技术部 14500.0

# 多行多列透视表
pivot2 = pd.pivot_table(
    df,
    index=['部门'],
    columns=['城市'],
    values=['薪资', '人数'],
    aggfunc={'薪资': ['mean', 'sum'], '人数': 'sum'},
    fill_value=0,
    margins=True,
    margins_name='合计'
)
print(pivot2)

# 自定义聚合函数
pivot3 = pd.pivot_table(
    df,
    index='部门',
    values='薪资',
    aggfunc={'最高薪资': 'max', '最低薪资': 'min', '平均薪资': 'mean'}
)
print(pivot3)

# 模拟销售数据
sales_data = pd.DataFrame({
    '日期': pd.date_range('2024-01-01', periods=100, freq='D'),
    '产品类别': np.random.choice(['电子产品', '服装', '食品', '图书'], 100),
    '销售区域': np.random.choice(['华东', '华南', '华北', '西部'], 100),
    '销售额': np.random.randint(100, 1000, 100),
    '销售量': np.random.randint(1, 50, 100)
})

# 按产品类别和销售区域汇总销售额
sales_pivot = pd.pivot_table(
    sales_data,
    index='产品类别',
    columns='销售区域',
    values='销售额',
    aggfunc='sum',
    fill_value=0
)
print(sales_pivot)

# 计算每个区域的平均订单量
order_pivot = pd.pivot_table(
    sales_data,
    index='销售区域',
    columns='产品类别',
    values='销售量',
    aggfunc='mean',
    margins=True
)
print(order_pivot)