Pandas 数据透视表

   当数据量较大时，为了更好的分析数据特征，通常会采用数据透视表。数据透视表是一种对数据进行汇总和分析的工具，通过重新排列和聚合原始数据，可以快速获得更全面的数据洞察。数据透视表在Excel中也是经常使用的一个强大功能，在Pandas模块，其提供了pivot_table函数，可以快速的实现指定行、列、值和值计算类型(计数、合计、平均等) ，做出一个数据透视表。

在Excel中透视表操作如下:

Pandas 创建数据透视表语法

pivot_table(data, values=None, index=None, columns=None, aggfunc=‘mean’, fill_value=None,

             margins=False, dropna=True, margins_name=“总计”)

参数定义说明： 

  Pandas pivot_table示例 

需求描述：对门店销售表，行索引为门店编号，列名称为月份，值为销售金额，进行汇总透视，并将透视结果写入到“门店销售透视”sheet页。

 原始数据结构：

代码如下：

df2022=pd.read_excel("门店销售数据.xlsx",sheet_name="销售明细表2022")
pt=pd.pivot_table(df2022,values=["销售金额"],index=["门店编号"],columns=["月份"],aggfunc="sum",margins=True,margins_name="总计",
 fill_value=0,dropna=True)
with pd.ExcelWriter('门店销售数据.xlsx', engine='openpyxl', mode='a') as writer:
 pt.to_excel(writer, sheet_name='门店销售数据透视表',  index=True)

print(pt)

效果图：

Pandas 列转换stack函数

Pandas 透视表pivot_table,实现的的本质上是将普通列的内容转换为索引或列名称，实现各种聚合计算。stack函数类似excel 的列转行，实现dataframe中的column与index 转换。

这些指标都在列上，如果想在行显示？

代码如下：

df2022=pd.read_excel("门店销售数据.xlsx",sheet_name="销售明细表2022")
df2022=df2022.set_index(["年度","月份","门店编号"]).stack()
print(df2022)
如果需将“年度”,“月份”,“门店编号“ 放在普通列，不做为索引
df2022=df2022.set_index(["年度","月份","门店编号"]).stack().reset_index()

效果图如下：

Pandas 行转换unstack函数

Pandas 透视表pivot_table,实现的的本质上是将普通列的内容转换为索引或列名称，实现各种聚合计算。unstack函数类似excel 的行转列，实现dataframe中的 index与 column转换，是stack函数逆操作。

代码如下：

df2022=pd.read_excel("门店销售数据.xlsx",sheet_name="销售明细表2022")
df2022=df2022.set_index(["年度","月份","门店编号"]).stack()
df2022=df2022.unstack()
print(df2022)

 效果图如下：