左手pandas右手Python，带你学习数据透视表

第一时间获取价值内容

数据透视表是数据分析工作中经常会用到的一种工具。Excel本身具有强大的透视表功能，Python中pandas也有透视表的实现。本文使用两个工具对同一数据源进行相同的处理，旨在通过对比的方式，帮助读者加深对数据透视表的理解。

数据源简介：

本文数据源来自网络，很多介绍pandas的文章都使用了该数据。这是一份销售数据，数据样例如下：

在分析之前，需要确保你安装了pandas(最好使用jupyter)和Excel(2016版)。接下来每一个环节，我们都将使用二者实现同样的效果。Python代码的部分，我都做了详细的注释，Excel操作流程我也做了比较详细的说明。后台回复“透视表”可以获得数据和代码。

处理过程

目标1：读取数据，查看数据样例

1.pandas实现

#导入必要的包
import pandas as pd
import numpy as np                                                                                                                               
#读取Excel格式的数据
df = pd.read_excel('salesfunnel.xlsx')

#查看数据的前5行，如果要查看多行，可以用df.head(num),num为行数
df.head()


运行效果如下：

2.excel实现

直接打开文件即可查看数据。

目标2：使用行索引，查看每一个Name的Quality，price汇总数据

1.pandas实现

pd.pivot_table(df, index=['Name'])

运行结果：

当我们只指定index时，就是指定了行标签，pivot_table函数会默认按照平均值，汇总所有的数值字段。由于Account字段被pandas“理解”成了数值类型的(可以通过df.dtypes查看)，所以结果中出现了Account列。上面的结果表示每个Name的Account，Price，Quantity的平均值。

2.Excel实现

选中数据区域，插入，数据透视表，将Name字段拉倒“行”区域，Account，Price，Quantity拉入“值”区域，并将三者的字段汇总方式设置为平均值。整个步骤的流程及运行结果如下图所示：

可以看到Excel默认会有一个汇总行。以Quantity为例，它的“总计”值是所有的Quantity求和之后，除以Name的个数。如果想用Pandas实现这种效果，可以加入margins=True参数，效果如下，出现了All行，由于Account和Price是整数，所以all行也是整数，Quantity是小数，相应的All行也是小数。Excel的总计行也可以在“设计”选项卡，“总计”，“对行和列禁用去掉”。

目标3：使用多个行索引，查看每个Manager的每个Rep对应的Account，Price，Quantity汇总值

1.pandas实现

pd.pivot_table(df, index=['Manager', 'Rep'], margins=True)


运行效果如下：

2.Excel实现

在前面基础上，将Manager，Rep拉到“行”的位置即可。效果如下图，可以看到，在关键的数值上，两个结果是一致的，只是在形式上有所不同。

为了在形式上更接近pandas的结果，可以设置透视表的布局。选择“设计”选项卡，报表布局，选择“大纲形式显示”即可，效果如上图所示。

仔细观察，发现excel里对每一个Manager都做了汇总。这个可以通过“设计”选项卡，“分类汇总”，“不显示分类汇总”去掉。pandas如何实现分类汇总，这个暂时还没有找到相关资料。

目标4：设置我们关心的汇总字段，此处设置price，去掉Account和Quantity

1.pandas实现

pd.pivot_table(df, index=['Manager', 'Rep'], values=['price], margins=True)

结果如下图左侧所示：

2.Excel实现

Excel中只需要在上面的基础上，在“值”的地方删掉Account，Quality即可。效果如上图右侧图所示。

目标5：实现对Price的求和

1.Pandas实现

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


效果如下图左图所示：

2.Excel实现

需要在上一步的基础上，将Price的值字段设置改成求和即可，如上图右图中图所示。结果如上图中间所示。

注：Pandas可以同时对一个字段进行多种汇总操作，(Excel貌似不行)

pd.pivot_table(df, index=['Manager', 'Rep'], values=['Price'], aggfunc=[np.sum, np.size] margins=True)#np.size可以换成len，效果一致

目标6: 使用列索引，查看不同产品的数据情况

1、pandas实现

pd.pivot_table(df, index=['Manager', 'Rep'], columns=['Product'], values=['Price'], aggfunc=np.sum, margins=True)


结果如下图所示：

2.Excel实现

在上面的基础上，将Product拉到“列”的位置即可。

可以看到，有些位置没有对应的值，Pandas默认用NaN填充，Excel则采用置空处理。Pandas可以增加fill_value参数设置为0。(Excel貌似不可以设置）

pd.pivot_table(df, index=['Manager', 'Rep'], columns=['Product'], values=['Price'], aggfunc=np.sum, margins=True, fill_value=0)

目标7：使用行索引和列索引，同时查看多个字段(Price,Quality)的汇总值

1.Pandas实现

pd.pivot_table(df, index=['Manager', 'Rep'], columns=['Product'], values=['Price', 'Quantity'], aggfunc=np.sum, margins=True, fill_value=0)


2.Excel实现

在上面的基础上，只需在“值”的位置加入Quantity，并将值字段设置为“求和”即可。值得一提的是，可以通过“列”的位置，“数值”和“Product”的上下关系，控制显示的格式，下面显示的结果和pandas的结果一致，读者可以调整下看看效果。

目标8：行列索引的转换，把Product由列索引改为行索引

1.pandas实现

pd.pivot_table(df, index=['Manager', 'Rep', 'Product'], values=['Price', 'Quantity'], aggfunc=np.sum, margins=True, fill_value=0)

2.Excel实现

在上一步的基础上，将Product从“列”位置拖到“行”位置即可。

目标9：对Price和Quantity使用不同的汇总方式

1.pandas实现

通过字典的方式，为不同的字段传入不同的聚合函数。

pd.pivot_table(df, index=['Manager', 'Rep'], columns=['Product'], values=['Price', 'Quantity'], aggfunc={'Price': np.sum, 'Quantity': np.size}, margins=True, fill_value=0)


2.Excel 实现

只需在目标7的基础上，将Price和Quantity的值字段设置成相应的聚合方式即可。如下图所示。

注：同一个字段可以用列表方式传多个函数。

pd.pivot_table(df, index=['Manager', 'Rep'], columns=['Product'], values=['Quantity', 'Price'], aggfunc={'Quantity':np.size, 'Price': [np.sum, np.mean] }, fill_value=0)

目标10：实现透视表筛选功能，只查看Debra Henley的数据

1.pandas实现

table = pd.pivot_table(df, index=['Manager', 'Rep'], columns=['Product'], values=['Price', 'Quantity'], aggfunc={'Price': np.sum, 'Quantity': np.size}, margins=True, fill_value=0)
table.query('Manager == ['Debra Henley']')


使用query传入筛选的参数即可，列表里可以传入多个参数，如 table.query('Rep == ['Craig Booker', 'John Smith']')

2.excel实现

做好的数据透视表，具有行和列的筛选功能。我们在9的基础上，对manager进行筛选，保留Debra Henley即可。效果如下所示：

也可以将manager字段拉到“筛选器”的位置来实现，再选择Manager的值为Debra Henley即可。

小结与备忘：

index-对应透视表的“行”，columns对应透视表的列，values对应透视表的‘值’，aggfunc对应值的汇总方式。用图形表示如下：