Bạn có thể quen thuộc với các bảng tổng hợp trong Excel để dễ dàng tạo thông tin chi tiết về dữ liệu của mình. Trong bài đăng này, bạn sẽ tìm hiểu cách tạo bảng tổng hợp trong Python và Pandas bằng phương pháp
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411Có thể nhanh chóng tóm tắt dữ liệu là một kỹ năng quan trọng để có thể hiểu được dữ liệu của bạn trông như thế nào. Chức năng này khá giống với phương pháp
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411Đến cuối hướng dẫn này, bạn sẽ học được
- Cách sử dụng hàm
4 và các tham số của nó biểu thị điều gì# Creating your first Pandas pivot table pivot = pd.pivot_table[ data=df, index='Region' ] print[pivot] # Returns: # Sales Units # Region # East 408.182482 19.732360 # North 438.924051 19.202643 # South 432.956204 20.423358 # West 452.029412 19.29411 - Cách nhóm dữ liệu bằng chỉ mục hoặc đa chỉ mục
- Cách xoay bảng hơn nữa bằng cách sử dụng các chỉ mục và cột
- Cách chỉ định và tạo các phương thức tổng hợp của riêng bạn
- Cách tính tổng và xử lý dữ liệu bị thiếu
Mục lục
- Hướng dẫn bằng video về Python Pivot Tables
- Cách xây dựng bảng Pivot trong Python
- Đang tải một Khung dữ liệu Pandas mẫu
- Tạo Pivot Table trong Pandas
- Chỉ tổng hợp một số cột nhất định trong Pandas Pivot Table
- Làm việc với các phương thức tổng hợp trong bảng Pandas Pivot
- Các bảng Pivot Pandas phức tạp hơn
- Tùy chỉnh Pandas Pivot Tables
- Lọc bảng Python Pivot
- bài tập
- Kết luận và tóm tắt
- Tài nguyên bổ sung
Hướng dẫn bằng video về Python Pivot Tables
Cách xây dựng bảng Pivot trong Python
Bảng tổng hợp là một bảng thống kê giúp tóm tắt dữ liệu của một bảng lớn hơn bằng cách “xoay vòng” dữ liệu đó. Microsoft Excel đã phổ biến bảng tổng hợp, nơi chúng được gọi là PivotTable. Pandas cấp quyền truy cập để tạo bảng tổng hợp trong Python bằng hàm
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# The syntax of the .pivot_table[] function
import pandas as pd
pd.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
] Phương thức lấy một DataFrame và sau đó cũng trả về một DataFrame. Bảng bên dưới cung cấp thông tin tổng quan về các tham số khác nhau có sẵn trong hàm
Tham số Giá trị mặc định Mô tả_______06Khung dữ liệu để xoay vòng# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411Bây giờ bạn đã hiểu về các tham số khác nhau có sẵn trong hàm, hãy tải tập dữ liệu của chúng tôi và bắt đầu khám phá dữ liệu của chúng tôi
Đang tải một Khung dữ liệu Pandas mẫu
Để làm theo hướng dẫn này, hãy tải một Khung dữ liệu Pandas mẫu. Chúng tôi có thể tải DataFrame từ tệp được lưu trữ trên trang GitHub của tôi, sử dụng chức năng
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411Dựa trên đầu ra của năm hàng đầu tiên được hiển thị ở trên, chúng tôi có thể thấy rằng chúng tôi có năm cột để làm việc với
Tên cột Mô tảNgàyNgày giao dịchKhu vựcKhu vực giao dịchLoạiLoại quần áo đã bánĐơn vịSố lượng đơn vị đã bánDoanh sốChi phí bánMô tả các cột trong tập dữ liệu của chúng tôiBây giờ chúng ta có thêm một chút ngữ cảnh xung quanh dữ liệu, hãy khám phá cách tạo bảng tổng hợp đầu tiên của chúng ta trong Pandas
Tạo Pivot Table trong Pandas
Hãy tạo bảng tổng hợp Pandas đầu tiên của bạn. Ở mức tối thiểu, chúng tôi phải chuyển một số dạng khóa nhóm, bằng cách sử dụng tham số
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411Hãy phá vỡ những gì đã xảy ra ở đây
- Chúng tôi đã tạo một DataFrame mới có tên là
53, được tạo bằng hàm# Creating your first Pandas pivot table pivot = pd.pivot_table[ data=df, index='Region' ] print[pivot] # Returns: # Sales Units # Region # East 408.182482 19.732360 # North 438.924051 19.202643 # South 432.956204 20.423358 # West 452.029412 19.29411
54# Creating your first Pandas pivot table pivot = pd.pivot_table[ data=df, index='Region' ] print[pivot] # Returns: # Sales Units # Region # East 408.182482 19.732360 # North 438.924051 19.202643 # South 432.956204 20.423358 # West 452.029412 19.29411 - Chúng tôi đã chuyển vào DataFrame,
55 và đặt# Creating your first Pandas pivot table pivot = pd.pivot_table[ data=df, index='Region' ] print[pivot] # Returns: # Sales Units # Region # East 408.182482 19.732360 # North 438.924051 19.202643 # South 432.956204 20.423358 # West 452.029412 19.29411
56, nghĩa là dữ liệu sẽ được nhóm theo cột khu vực# Creating your first Pandas pivot table pivot = pd.pivot_table[ data=df, index='Region' ] print[pivot] # Returns: # Sales Units # Region # East 408.182482 19.732360 # North 438.924051 19.202643 # South 432.956204 20.423358 # West 452.029412 19.29411
Bởi vì tất cả các tham số khác được để mặc định, Pandas đã đưa ra giả định sau
- Dữ liệu nên được tổng hợp theo giá trị trung bình của mỗi cột [
57]# Creating your first Pandas pivot table pivot = pd.pivot_table[ data=df, index='Region' ] print[pivot] # Returns: # Sales Units # Region # East 408.182482 19.732360 # North 438.924051 19.202643 # South 432.956204 20.423358 # West 452.029412 19.29411 - Các giá trị phải là bất kỳ cột số nào
Chỉ tổng hợp một số cột nhất định trong Pandas Pivot Table
Trong ví dụ trên, bạn đã không sửa đổi tham số
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411Bây giờ hãy sửa đổi mã của chúng ta để chỉ tính giá trị trung bình cho một cột duy nhất,
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411Chúng ta có thể thấy rằng thay vì tổng hợp tất cả các cột số, chỉ một cột được chỉ định được tổng hợp
Làm việc với các phương thức tổng hợp trong bảng Pandas Pivot
Bây giờ bạn đã tạo bảng tổng hợp đầu tiên của mình trong Pandas, hãy bắt đầu thay đổi các phương pháp tổng hợp. Điều này cho phép bạn chỉ định cách bạn muốn tổng hợp dữ liệu của mình. Đây là nơi sức mạnh của Pandas thực sự phát huy, cho phép bạn tính toán các phân tích phức tạp một cách dễ dàng
Chỉ định phương pháp tổng hợp trong bảng Pandas Pivot
Bạn có thể sử dụng tham số
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411Bây giờ, hãy cố gắng thay đổi hành vi của chúng ta để tạo ra tổng doanh số bán hàng của chúng ta trên tất cả các khu vực
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411Nhiều phương pháp tổng hợp trong một khung dữ liệu Pandas
Tương tự, chúng ta có thể chỉ định nhiều phương thức tổng hợp cho bảng tổng hợp Pandas. Điều này khá dễ dàng và chỉ yêu cầu bạn chuyển vào danh sách các hàm và hàm sẽ được áp dụng cho tất cả các cột giá trị. Hãy tạo tập hợp cho cả giá trị trung bình và tổng
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411Chúng ta có thể thấy điều đó dễ dàng như thế nào và nó cung cấp thêm bao nhiêu dữ liệu. Đối với mỗi cột chứa dữ liệu số, cả giá trị trung bình và tổng đều được tạo
Chỉ định các tập hợp khác nhau trên mỗi cột
Bây giờ, hãy tưởng tượng bạn muốn tính toán các tập hợp khác nhau trên mỗi cột. Để thực hiện việc này, bạn có thể chuyển vào từ điển chứa định dạng cặp khóa-giá trị sau.
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411Điều này cho phép bạn dễ dàng xem dữ liệu được so sánh giữa các chỉ số hiệu suất chính khác nhau một cách dễ dàng, trong cùng một Khung dữ liệu
Tập hợp tùy chỉnh trong Pandas Pivot Tables
Pandas cũng cho phép chúng ta chuyển một hàm tùy chỉnh vào hàm
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411Pandas đi kèm với một phương thức,
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411Hàm này chấp nhận một tham số duy nhất,
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# The syntax of the .pivot_table[] function
import pandas as pd
pd.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
] Các bảng Pivot Pandas phức tạp hơn
Bây giờ bạn đã hiểu về cách hoạt động của hàm
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411Thêm cột vào Bảng Pivot Pandas
Khi chúng tôi thêm các cột vào bảng tổng hợp Pandas, chúng tôi sẽ thêm một thứ nguyên khác vào dữ liệu. Trong khi tham số
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# The syntax of the .pivot_table[] function
import pandas as pd
pd.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
] Chúng ta có thể thấy việc thêm toàn bộ chiều dữ liệu khác dễ dàng như thế nào. Điều này cho phép chúng tôi phát hiện sự khác biệt giữa các nhóm ở định dạng dễ đọc
Thêm nhiều chỉ số vào Pandas Pivot Tables
Trong khi các cột đã thêm một chiều ngang, chúng ta cũng có thể chỉ định nhiều chỉ số khi có một hệ thống phân cấp hợp lý trong dữ liệu của chúng ta. Ví dụ: chúng ta có thể thêm thứ nguyên ngày vào bảng tổng hợp của mình. Hãy sử dụng bộ truy cập ngày tích hợp sẵn của Pandas để nhóm dữ liệu của chúng ta theo quý. Sau đó, điều này cho phép chúng tôi trực quan hóa dữ liệu của mình trong một khoảng thời gian. Hãy xem cách nó hoạt động
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411Điều này trả về một Khung dữ liệu Pandas đa chỉ mục. Mặc dù có vẻ phức tạp hơn, nhưng việc truy cập dữ liệu trong Khung dữ liệu Pandas đa chỉ mục hoạt động khá giống với việc truy cập dữ liệu trong bất kỳ Khung dữ liệu nào khác. Tuy nhiên, vì bây giờ chúng ta có hai cột chỉ mục, thay vì 1, chúng ta có thể chuyển vào một bộ chỉ mục. Giả sử chúng ta chỉ muốn vào ngã tư khu Đông, khu phố 1 và quần áo nam, chúng ta có thể sử dụng đoạn mã sau
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411Tùy chỉnh Pandas Pivot Tables
Trong phần này, bạn sẽ tìm hiểu cách tùy chỉnh bảng tổng hợp Pandas của mình. Điều này cho phép bạn thêm các tùy chỉnh khác, chẳng hạn như thêm tổng số và làm việc với dữ liệu bị thiếu. Bạn cũng sẽ tìm hiểu cách điền dữ liệu bị thiếu vào bảng tổng hợp kết quả bằng một giá trị cụ thể
Thêm Tổng số vào Pandas Pivot Tables
Hãy bắt đầu bằng cách tìm hiểu cách thêm tổng số vào bảng tổng hợp Pandas. Điều này được kiểm soát bởi tham số
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411Theo mặc định, Pandas sẽ đặt tên cho tổng số là
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411Xử lý dữ liệu bị thiếu trong Pandas Pivot Table
Khi Pandas gặp một mặt cắt không có dữ liệu tồn tại, nó sẽ bao gồm giá trị
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411Có thể không phải lúc nào cũng lý tưởng để xem giá trị
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411Sắp xếp dữ liệu bảng Pandas Pivot
Bắt đầu từ Pandas phiên bản 1. 3. 0, một tham số mới đã được thêm vào cho phép bạn sắp xếp DataFrame kết quả. Trước đây, trước tiên bạn cần tạo DataFrame và sau đó chuyển vào một phương thức để sắp xếp dữ liệu. Giờ đây, bạn có thể chỉ cần chuyển đối số
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411Theo mặc định, Pandas sẽ sắp xếp bảng tổng hợp theo thứ tự tăng dần. Thật không may, để sắp xếp phức tạp hơn [chẳng hạn như trên các cột khác nhau], bạn vẫn cần xâu chuỗi phương thức
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411Lọc bảng Python Pivot
Trong phần này, bạn sẽ tìm hiểu cách lọc bảng tổng hợp Pandas. Bởi vì bảng tổng hợp thường có thể khá lớn, nên việc lọc bảng tổng hợp có thể tập trung vào kết quả khá nhiều. Vì hàm trả về một DataFrame, nên bạn có thể chỉ cần lọc DataFrame như bất kỳ phương pháp nào khác. Hãy tạo lại bảng tổng hợp của chúng tôi cộng các giá trị theo quý và khu vực
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411Những gì chúng ta có thể làm bây giờ là lọc theo giá trị vô hướng hoặc theo giá trị động. Ví dụ: chúng tôi có thể chỉ cần lọc dựa trên giá trị được mã hóa cứng. Tuy nhiên, giả sử, ví dụ: chúng tôi muốn lọc để chỉ hiển thị các bản ghi có Doanh số trung bình lớn hơn mức trung bình tổng thể, chúng tôi có thể viết bộ lọc sau
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411Điều này cho phép chúng tôi xem chính xác những gì chúng tôi muốn xem
bài tập
Đã đến lúc kiểm tra việc học của bạn. Cố gắng giải các bài tập dưới đây dựa trên những gì bạn đã học. Nếu bạn cần trợ giúp hoặc muốn xác minh giải pháp của mình, hãy chuyển mục này để xem giải pháp mẫu. Sử dụng DataFrame giống như bạn đã làm trong suốt hướng dẫn
Khu vực nào có doanh số cao nhất trong DataFrame?
Bạn có thể sắp xếp bảng tổng hợp của mình, sau đó sử dụng trình truy cập
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411Bạn có thể không muốn sử dụng loại giá trị nào làm thông số fill_value và tại sao?
Bạn nên giữ các loại dữ liệu số [chẳng hạn như số nguyên và số float] để ngăn các cột bị chuyển đổi thành các cột không thể áp dụng các phép toán học cho chúng. Vì các cột trong Pandas đồng nhất nên điều quan trọng là phải ghi nhớ những gì có thể xảy ra
Bạn sẽ xóa hàng tổng [tất cả] khỏi bảng tổng hợp như thế nào?
Đôi khi, bạn có thể chỉ muốn có tổng số cột trong DataFrame kết quả của mình. Do đó, bạn có thể chỉ cần lọc ra hàng cuối cùng, sử dụng chỉ mục phủ định
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411Kết luận và tóm tắt
Trong hướng dẫn này, bạn đã học cách sử dụng hàm Pandas
# Creating your first Pandas pivot table
pivot = pd.pivot_table[
data=df,
index='Region'
]
print[pivot]
# Returns:
# Sales Units
# Region
# East 408.182482 19.732360
# North 438.924051 19.202643
# South 432.956204 20.423358
# West 452.029412 19.29411