透视图与交叉表

• 在数据分析中，数据透视表是常见的工具之一，需要根据行或列对数据进行各个维度数据的汇总，在pandas中，提供了相关函数解决此类问题
• 交叉表更多用于频数的分析
• pivot_table(data, index, columns, values, aggfunc, fill_value, margins, margins_name=)
  • data：数据
  • index: 行分组键
  • columns：列分组键
  • values：分组的字段，只能为数值型变量
  • aggfunc：聚合函数
  • fill_value: 缺失值填补
  • margins：是否需要总计 （字段均值/总和）
  • margins_name: 总计名称
• pd.crosstab(index, columns, normalize)
  • index: 行索引
  • columns：列索引
  • normalize：对数据进行标准化，index表示行，column表示列

import pandas as pd
import numpy as np
import os

  

 

  
1
  
2
  
3
 

os.getcwd()

  

 

  
1
 

'D:\\Jupyter\\notebook\\Python数据清洗实战\\数据清洗之数据统计'

  

 

  
1
 

os.chdir('D:\\Jupyter\\notebook\\Python数据清洗实战\\数据')

  

 

  
1
 

df = pd.read_csv('online_order.csv', encoding='gbk', dtype={'cunstomer':str, 'order':str})

  

 

  
1
 

df.head(5)

  

 

  
1
 

df.info()

  

 

  
1
 

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 30000 entries, 0 to 29999
Data columns (total 14 columns):
customer 30000 non-null int64
order 30000 non-null object
total_items 30000 non-null int64
discount% 30000 non-null float64
weekday 30000 non-null int64
hour 30000 non-null int64
Food% 30000 non-null float64
Fresh% 30000 non-null float64
Drinks% 30000 non-null float64
Home% 30000 non-null float64
Beauty% 30000 non-null float64
Health% 30000 non-null float64
Baby% 30000 non-null float64
Pets% 30000 non-null float64
dtypes: float64(9), int64(4), object(1)
memory usage: 3.2+ MB

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
  
19
 

df.columns

  

 

  
1
 

Index(['customer', 'order', 'total_items', 'discount%', 'weekday', 'hour', 'Food%', 'Fresh%', 'Drinks%', 'Home%', 'Beauty%', 'Health%', 'Baby%', 'Pets%'], dtype='object')

  

 

  
1
  
2
  
3
  
4
 

pd.pivot_table(data=df, index='weekday', values='total_items', aggfunc=[np.mean, np.sum], margins=True, margins_name='总计商品情况')

  

 

  
1
  
2
 

pd.pivot_table(data=df, index='weekday', columns='customer', values='total_items', aggfunc=[np.mean, np.sum], margins=True, margins_name='总计商品情况', fill_value=0)

  

 

  
1
  
2
 

8 rows × 20480 columns

# 不同折扣下的样本(订单)数量
pd.crosstab(index=df['weekday'], columns=df['discount%'])

  

 

  
1
  
2
 

7 rows × 3579 columns

pd.crosstab(index=df['weekday'], columns=df['discount%'], margins=True, normalize='index')

  

 

  
1
 

8 rows × 3579 columns

文章来源: ruochen.blog.csdn.net，作者：若尘，版权归原作者所有，如需转载，请联系作者。

原文链接：ruochen.blog.csdn.net/article/details/105599056