轉載于：https://www.cnblogs.com/onemorepoint/p/8425300.html
介紹
也許大多數人都有在Excel中使用資料透視表的經曆，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内容，經常需要記住它的使用文法。是以，本文将重點解釋pandas中的函數pivot_table，并教大家如何使用它來進行資料分析。
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）注冊了商标嗎？其實以前我也不知道。不用說，下面我将讨論的透視表并不是PivotTable。
作為一個額外的福利，我建立了一個總結pivot_table的簡單備忘單。你可以在本文的最後找到它，我希望它能夠對你有所幫助。如果它幫到了你，請告訴我。
資料
使用pandas中pivot_table的一個挑戰是，你需要確定你了解你的資料，并清楚地知道你想通過透視表解決什麼問題。其實，雖然pivot_table看起來隻是一個簡單的函數，但是它能夠快速地對資料進行強大的分析。
在本文中，我将會跟蹤一個銷售管道（也稱為漏鬥）。基本的問題是，一些銷售周期很長（可以想一下“企業軟體”、“資本裝置”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：
- 本管道收入是多少？
- 管道的産品是什麼？
- 誰在什麼階段有什麼産品？
- 我們年底前結束交易的可能性有多大？
很多公司将會使用CRM工具或者其他銷售使用的軟體來跟蹤此過程。雖然他們可能擁有有效的工具對資料進行分析，但肯定有人需要将資料導出到Excel，并使用一個透視表工具來總結這些資料。
使用Pandas透視表将是一個不錯的選擇，應為它有以下優點：
- 更快（一旦設定之後）
- 自行說明（通過檢視代碼，你将知道它做了什麼）
- 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。
如果你想跟随我繼續下去，那麼可以下載下傳這個Excel檔案。
| 1 2 | import pandas as pd import numpy as np |
版本提醒
因為Pivot_table API已經随着時間有所改變，是以為了使本文中示例代碼能夠正常工作，請確定你安裝了最近版本的Pandas（>0.15）。本文示例還用到了category資料類型，而它也需要確定是最近版本。
首先，将我們銷售管道的資料讀入到資料幀中。
| 1 2 | df = pd.read_excel("../in/sales-funnel.xlsx") df.head() |
為友善起見，我們将上表中“Status”列定義為category，并按我們想要的檢視方式設定順序。
其實，并不嚴格要求這樣做，但這樣做能夠在分析資料的整個過程中，幫助我們保持所想要的順序。
| 1 2 | df["Status"] = df["Status"].astype("category") df["Status"].cat.set_categories(["won","pending","presented","declined"],inplace=True) |
處理資料
既然我們建立資料透視表，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。為了檢視什麼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資料幀和一個索引。在本例中，我們将使用“Name（名字）”列作為我們的索引。
| 1 | 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參數可以通過清單擷取多個值。
| 1 | pd.pivot_table(df,index=["Name","Rep","Manager"]) |
這樣很有趣但并不是特别有用。我們可能想做的是通過将“Manager”和“Rep”設定為索引來檢視結果。要實作它其實很簡單，隻需要改變索引就可以。
| 1 | pd.pivot_table(df,index=["Manager","Rep"]) |
可以看到，透視表比較智能，它已經開始通過将“Rep”列和“Manager”列進行對應分組，來實作資料聚合和總結。那麼現在，就讓我們共同看一下資料透視表可以為我們做些什麼吧。
為此，“Account”和“Quantity”列對于我們來說并沒什麼用。是以，通過利用“values”域顯式地定義我們關心的列，就可以實作移除那些不關心的列。
| 1 | pd.pivot_table(df,index=["Manager","Rep"],values=["Price"]) |
“Price”列會自動計算資料的平均值，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就很容易實作。
| 1 | 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。
| 1 | pd.pivot_table(df,index=["Manager","Rep"],values=["Price"],aggfunc=[np.mean,len]) |
如果我們想通過不同産品來分析銷售情況，那麼變量“columns”将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最後是被應用到了變量“values”中你所列舉的項目上。
| 1 2 | 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”将其設定為0。
| 1 2 | 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”列将對我們有所幫助，是以将“Quantity”添加到“values”清單中。
| 1 2 | pd.pivot_table(df,index=["Manager","Rep"],values=["Price","Quantity"], columns=["Product"],aggfunc=[np.sum],fill_value=0) |
有趣的是，你可以将幾個項目設定為索引來獲得不同的可視化表示。下面的代碼中，我們将“Product”從“columns”中移除，并添加到“index”變量中。
| 1 2 | pd.pivot_table(df,index=["Manager","Rep","Product"], values=["Price","Quantity"],aggfunc=[np.sum],fill_value=0) |
對于這個資料集，這種顯示方式看起來更有意義。不過，如果我想檢視一些總和資料呢？“margins=True”就可以為我們實作這種功能。
| 1 2 3 | 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管道。根據我們前面對category的定義，注意現在“Status”是如何排序的。
| 1 2 | pd.pivot_table(df,index=["Manager","Status"],values=["Price"], aggfunc=[np.sum],fill_value=0,margins=True) |
一個很友善的特性是，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，那就是必須将标簽做的更加簡潔才行。
| 1 2 | 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，并将它們應用到“values”中的每個元素上。
| 1 2 3 | 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，同一時間将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資料，并一步一步地添加新項目，你将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”，那麼你需要評估此時使用透視表是否是一種好的選擇。
進階透視表過濾
一旦你生成了需要的資料，那麼資料将存在于資料幀中。是以，你可以使用自定義的标準資料幀函數來對其進行過濾。
如果你隻想檢視一個管理者（例如Debra Henley）的資料，可以這樣：
| 1 | table.query('Manager == ["Debra Henley"]') |
我們可以檢視所有的暫停（pending）和成功（won）的交易，代碼如下所示：
| 1 | table.query('Status == ["pending","won"]') |
這是pivot_table中一個很強大的特性，是以一旦你得到了你所需要的pivot_table格式的資料，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.
如果你想将其儲存下來作為參考，那麼這裡提供完整的筆記。
備忘單
為了試圖總結所有這一切，我已經建立了一個備忘單，我希望它能夠幫助你記住如何使用pandas的pivot_table。