在Pandas库中，`pivot_table`函数是一个非常强大的工具，用于创建数据透视表。它允许用户按照一个或多个键对数据进行分组，并对每个组应用聚合函数。下面是对`pivot_table`函数的基本用法、`aggfunc`参数的作用、基本示例、自定义`aggfunc`以及高级示例的详细解释。 ### 1. `pivot_table`函数的基本用法 `pivot_table`函数的基本语法如下： ```python pandas.pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All') ``` - `data`：要进行透视的数据集。 - `values`：可选参数，指定用于聚合计算的列。如果不指定，则对所有数值列进行聚合。 - `index`：指定行索引的列名或列名列表。 - `columns`：指定列索引的列名或列名列表。 - `aggfunc`：聚合函数，默认为'mean'。可以是一个函数、函数列表或字典。 - `fill_value`：用于填充缺失值的值。 - `margins`：是否添加行/列的总计，默认为False。 - `dropna`：是否在计算时忽略缺失值，默认为True。 - `margins_name`：总计行/列的名称，默认为'All'。 ### 2. `aggfunc`参数的作用 `aggfunc`参数用于指定聚合函数，它决定了如何对分组后的数据进行计算。Pandas提供了多种内置聚合函数，如`mean`（平均值）、`sum`（求和）、`count`（计数）等。此外，用户还可以自定义聚合函数。 ### 3. 使用`aggfunc`参数的基本示例 ```python import pandas as pd import numpy as np # 创建一个示例DataFrame data = pd.DataFrame({ 'A': ['foo', 'foo', 'foo', 'bar', 'bar', 'bar'], 'B': ['one', 'one', 'two', 'two', 'one', 'one'], 'C': np.random.randn(6), 'D': np.random.randn(6) }) # 使用mean作为聚合函数 result = pd.pivot_table(data, values='C', index=['A', 'B'], aggfunc='mean') print(result) ``` ### 4. 自定义`aggfunc`以应用多个聚合函数 `aggfunc`参数可以接受一个函数列表或字典，从而应用多个聚合函数。 - **函数列表**：对指定列应用多个聚合函数，结果将作为多级列索引返回。 ```python result = pd.pivot_table(data, values='C', index=['A', 'B'], aggfunc=[np.mean, np.sum]) print(result) ``` - **字典**：为不同列指定不同的聚合函数。 ```python result = pd.pivot_table(data, values=['C', 'D'], index=['A', 'B'], aggfunc={'C': np.mean, 'D': np.sum}) print(result) ``` ### 5. 高级示例：结合使用多个`aggfunc` 下面是一个高级示例，展示了如何在`pivot_table`中结合使用多个`aggfunc`，并对结果进行格式化。 ```python # 创建一个更复杂的示例DataFrame data = pd.DataFrame({ 'Category': ['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C', 'C'], 'Subcategory': ['X', 'Y', 'Z', 'X', 'Y', 'Z', 'X', 'Y', 'Z'], 'Sales': [150, 200, 250, 300, 350, 400, 450, 500, 550], 'Profit': [50, 60, 70, 80, 90, 100, 110, 120, 130] }) # 使用多个聚合函数，并将结果格式化为多级列索引 result = pd.pivot_table(data, values=['Sales', 'Profit'], index=['Category', 'Subcategory'], aggfunc={'Sales': [np.sum, np.mean], 'Profit': [np.sum, np.mean]}) # 设置多级列索引的名称 result.columns = pd.MultiIndex.from_tuples([ ('Sales', 'Sum'), ('Sales', 'Mean'), ('Profit', 'Sum'), ('Profit', 'Mean') ]) print(result) ``` 在这个高级示例中，我们为`Sales`和`Profit`两列分别应用了`np.sum`和`np.mean`两个聚合函数，并将结果格式化为多级列索引，以便更清晰地展示数据。