Pandas透視表（pivot_table）詳解

介紹

也許大多數人都有在Excel中使用數據透視表的經歷，其實Pandas也提供了一個類似的功能，名為pivot_table。雖然pivot_table非常有用，但是我發現為了格式化輸出我所需要的內容，經常需要記住它的使用語法。所以，本文將重點解釋pandas中的函數pivot_table，并教大家如何使用它來進行數據分析。

如果你對這個概念不熟悉，wikipedia上對它做了詳細的解釋。順便說一下，你知道微軟為PivotTable（透視表）注冊了商標嗎？其實以前我也不知道。不用說，下面我將討論的透視表并不是PivotTable。

作為一個額外的福利，我創建了一個總結pivot_table的簡單備忘單。你可以在本文的最后找到它，我希望它能夠對你有所幫助。如果它幫到了你，請告訴我。

數據

使用pandas中pivot_table的一個挑戰是，你需要確保你理解你的數據，并清楚地知道你想通過透視表解決什么問題。其實，雖然pivot_table看起來只是一個簡單的函數，但是它能夠快速地對數據進行強大的分析。

在本文中，我將會跟蹤一個銷售渠道（也稱為漏斗）。基本的問題是，一些銷售周期很長（可以想一下“企業軟件”、“資本設備”等），而管理者想更詳細地了解它一整年的情況。

典型的問題包括：

• 本渠道收入是多少？
• 渠道的產品是什么？
• 誰在什么階段有什么產品？
• 我們年底前結束交易的可能性有多大？

很多公司將會使用CRM工具或者其他銷售使用的軟件來跟蹤此過程。雖然他們可能擁有有效的工具對數據進行分析，但肯定有人需要將數據導出到Excel，并使用一個透視表工具來總結這些數據。

使用Pandas透視表將是一個不錯的選擇，應為它有以下優點：

• 更快（一旦設置之后）
• 自行說明（通過查看代碼，你將知道它做了什么）
• 易于生成報告或電子郵件
• 更靈活，因為你可以定義定制的聚合函數

Read in the data

首先，讓我們搭建所需的環境。

如果你想跟隨我繼續下去，那么可以下載這個Excel文件。

import pandas as pd

import numpy as np

版本提醒

因為Pivot_table API已經隨著時間有所改變，所以為了使本文中示例代碼能夠正常工作，請確保你安裝了最近版本的Pandas（>0.15）。本文示例還用到了category數據類型，而它也需要確保是最近版本。

首先，將我們銷售渠道的數據讀入到數據幀中。

df = pd.read_excel("../in/sales-funnel.xlsx")

df.head()

為方便起見，我們將上表中“Status”列定義為category，并按我們想要的查看方式設置順序。

其實，并不嚴格要求這樣做，但這樣做能夠在分析數據的整個過程中，幫助我們保持所想要的順序。

df["Status"] = df["Status"].astype("category")

df["Status"].cat.set_categories(["won","pending","presented","declined"],inplace=True)

處理數據

既然我們建立數據透視表，我覺得最容易的方法就是一步一個腳印地進行。添加項目和檢查每一步來驗證你正一步一步得到期望的結果。為了查看什么樣的外觀最能滿足你的需要，就不要害怕處理順序和變量的繁瑣。

最簡單的透視表必須有一個數據幀和一個索引。在本例中，我們將使用“Name（名字）”列作為我們的索引。

pd.pivot_table(df,index=["Name"])

此外，你也可以有多個索引。實際上，大多數的pivot_table參數可以通過列表獲取多個值。

pd.pivot_table(df,index=["Name","Rep","Manager"])

這樣很有趣但并不是特別有用。我們可能想做的是通過將“Manager”和“Rep”設置為索引來查看結果。要實現它其實很簡單，只需要改變索引就可以。

pd.pivot_table(df,index=["Manager","Rep"])

可以看到，透視表比較智能，它已經開始通過將“Rep”列和“Manager”列進行對應分組，來實現數據聚合和總結。那么現在，就讓我們共同看一下數據透視表可以為我們做些什么吧。

為此，“Account”和“Quantity”列對于我們來說并沒什么用。所以，通過利用“values”域顯式地定義我們關心的列，就可以實現移除那些不關心的列。

pd.pivot_table(df,index=["Manager","Rep"],values=["Price"])

“Price”列會自動計算數據的平均值，但是我們也可以對該列元素進行計數或求和。要添加這些功能，使用aggfunc和np.sum就很容易實現。

pd.pivot_table(df,index=["Manager","Rep"],values=["Price"],aggfunc=np.sum)

aggfunc可以包含很多函數，下面就讓我們嘗試一種方法，即使用numpy中的函數mean和len來進行計數。

pd.pivot_table(df,index=["Manager","Rep"],values=["Price"],aggfunc=[np.mean,len])

如果我們想通過不同產品來分析銷售情況，那么變量“columns”將允許我們定義一個或多個列。

列vs.值

我認為pivot_table中一個令人困惑的地方是“columns（列）”和“values（值）”的使用。記住，變量“columns（列）”是可選的，它提供一種額外的方法來分割你所關心的實際值。然而，聚合函數aggfunc最后是被應用到了變量“values”中你所列舉的項目上。

pd.pivot_table(df,index=["Manager","Rep"],values=["Price"],

        columns=["Product"],aggfunc=[np.sum])

然而，非數值（NaN）有點令人分心。如果想移除它們，我們可以使用“fill_value”將其設置為0。

pd.pivot_table(df,index=["Manager","Rep"],values=["Price"],

        columns=["Product"],aggfunc=[np.sum],fill_value=0)

其實，我覺得添加“Quantity”列將對我們有所幫助，所以將“Quantity”添加到“values”列表中。

pd.pivot_table(df,index=["Manager","Rep"],values=["Price","Quantity"],

        columns=["Product"],aggfunc=[np.sum],fill_value=0)

有趣的是，你可以將幾個項目設置為索引來獲得不同的可視化表示。下面的代碼中，我們將“Product”從“columns”中移除，并添加到“index”變量中。

pd.pivot_table(df,index=["Manager","Rep","Product"],

        values=["Price","Quantity"],aggfunc=[np.sum],fill_value=0)

對于這個數據集，這種顯示方式看起來更有意義。不過，如果我想查看一些總和數據呢？“margins=True”就可以為我們實現這種功能。

pd.pivot_table(df,index=["Manager","Rep","Product"],

        values=["Price","Quantity"],

        aggfunc=[np.sum,np.mean],fill_value=0,margins=True)

下面，讓我們以更高的管理者角度來分析此渠道。根據我們前面對category的定義，注意現在“Status”是如何排序的。

pd.pivot_table(df,index=["Manager","Status"],values=["Price"],

        aggfunc=[np.sum],fill_value=0,margins=True)

一個很方便的特性是，為了對你選擇的不同值執行不同的函數，你可以向aggfunc傳遞一個字典。不過，這樣做有一個副作用，那就是必須將標簽做的更加簡潔才行。

pd.pivot_table(df,index=["Manager","Status"],columns=["Product"],values=["Quantity","Price"],

        aggfunc={"Quantity":len,"Price":np.sum},fill_value=0)

此外，你也可以提供一系列的聚合函數，并將它們應用到“values”中的每個元素上。

table = pd.pivot_table(df,index=["Manager","Status"],columns=["Product"],values=["Quantity","Price"],

        aggfunc={"Quantity":len,"Price":[np.sum,np.mean]},fill_value=0)

table

也許，同一時間將這些東西全都放在一起會有點令人望而生畏，但是一旦你開始處理這些數據，并一步一步地添加新項目，你將能夠領略到它是如何工作的。我一般的經驗法則是，一旦你使用多個“grouby”，那么你需要評估此時使用透視表是否是一種好的選擇。

高級透視表過濾

一旦你生成了需要的數據，那么數據將存在于數據幀中。所以，你可以使用自定義的標準數據幀函數來對其進行過濾。

如果你只想查看一個管理者（例如Debra Henley）的數據，可以這樣：

table.query('Manager == ["Debra Henley"]')

我們可以查看所有的暫停（pending）和成功（won）的交易，代碼如下所示：

table.query('Status == ["pending","won"]')

這是pivot_table中一個很強大的特性，所以一旦你得到了你所需要的pivot_table格式的數據，就不要忘了此時你就擁有了pandas的強大威力。

The full notebook is available if you would like to save it as a reference.

如果你想將其保存下來作為參考，那么這里提供完整的筆記。

備忘單

為了試圖總結所有這一切，我已經創建了一個備忘單，我希望它能夠幫助你記住如何使用pandas的pivot_table。

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持億速云。