日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

學無先后，達者為師

網站首頁 編程語言 正文

Pandas數據分析之pandas數據透視表和交叉表_python

作者：阡之塵埃 ? 更新時間： 2022-10-08 編程語言

前言

pandas對數據框也可以像excel一樣進行數據透視表整合之類的操作。主要是針對分類數據進行操作，還可以計算數值型數據，去滿足復雜的分類數據整理的邏輯。

首先還是導入包：

import numpy as np
import pandas as pd

整理透視 pivot?

首先介紹的是最簡單的整理透視函數pivot，其原理如圖：

pivot參數：

  • index：新 df 的索引列，用于分組，如果為None，則使用現有索引
  • columns：新 df 的列，如果透視后有重復值會報錯
  • values：用于填充 df 的列。 如果未指定，將使用所有剩余的列，并且結果將具有按層次結構索引的列

用法如下，首先生成案例數據df

df = pd.DataFrame({'foo': ['one', 'one', 'one', 'two', 'two', 'two'],
                   'bar': ['A', 'B', 'C', 'A', 'B', 'C'],
                   'baz': [1, 2, 3, 4, 5, 6],
                   'zoo': ['x', 'y', 'z', 'q', 'w', 't']})
df

df.pivot(index='foo', columns='bar', values='baz')

可以看到是一一對應。簡單來說就是把foo、bar兩個分類變量整到行列名稱上去了，baz作為值

# 多層索引，可以取其中一列
df.pivot(index='foo', columns='bar') #['baz']

# 指定值
df.pivot(index='foo', columns='bar', values=['baz', 'zoo'])

聚合透視 Pivot Table

上面的pivot只適用于一一對應的情況，如果分類變量的組合一樣，但是取值不一樣就會報錯。此時應該用Pivot Table，他默認計算相同情況的均值。

參數：

  • data: 要透視的 DataFrame 對象
  • values: 要聚合的列或者多個列
  • index: 在數據透視表索引上進行分組的鍵
  • columns: 在數據透視表列上進行分組的鍵
  • aggfunc: 用于聚合的函數, 默認是 numpy.mean'''
df = pd.DataFrame({"A": ["a1", "a1", "a1", "a2", "a2","a2"],
                   "B": ["b2", "b2", "b1", "b1", "b1","b1"],
                   "C": ['c1','c1','c2','c2','c1','c1'],
                   "D": [1, 2, 3, 4, 5, 6]})
df

#索引a，列b使用Pivot會報錯，因為他們之間的組合有重復，要用Pivot Table，默認計算均值
pd.pivot_table(df,index='A',columns='B',values='D')

#驗證一下b1,a2這個均值5
df.loc[(df.A=='a2')&(df.B=='b1')].D.mean()

?聚合透視高級操作

pd.pivot_table(df,index=['A','B'],#指定多個索引
               columns=['C'],  #指定列
               values='D', #數據值列
               aggfunc=np.sum, #聚合函數
               fill_value=0, #空值填充
               margins=True  #增加匯總列
              )

?#多個計算方法

pd.pivot_table(df,index=['A','B'],#指定多個索引
               columns=['C'],  #指定列
               values='D', #數據值列
               aggfunc=[np.sum,np.mean,np.std]
              )

交叉表crosstab()

交叉表是用于統計分組頻率的特殊透視表。簡單來說，就是將兩個或者多個列重中不重復的元素組成一個新的 DataFrame，新數據的行和列交叉的部分值為其組合在原數據中的數量

語法結構如下：

pd.crosstab(index, columns, values=None, rownames=None,colnames=None, aggfunc=None, margins=False,
margins_name: str = 'All', dropna: bool = True,normalize=False) #→ 'DataFrame'

參數說明：

index：類數組，在行中按分組的值。
columns：類數組的值，用于在列中進行分組。
values：類數組的，可選的，要根據因素匯總的值數組。
aggfunc：函數，可選，如果未傳遞任何值數組，則計算頻率表。
rownames：序列，默認為None，必須與傳遞的行數組數匹配。
colnames：序列，默認值為None，如果傳遞，則必須與傳遞的列數組數匹配。
margins：布爾值，默認為False，添加行/列邊距（小計）
normalize：布爾值，{'all'，'index'，'columns'}或{0,1}，默認為False。 通過將所有值除以值的總和進行歸一化。'

生成案例數據：

df = pd.DataFrame({"A": ["a1", "a1", "a1", "a2", "a2","a2"],
                   "B": ["b2", "b2", "b1", "b1", "b1","b1"],
                   "C": ['c1','c1','c2','c2','c1','c1'],
                   "D": [1, 2, 3, 4, 5, 6]})
df

pd.crosstab(df['A'],df['B'])  #都是分類數據，計算頻率

pd.crosstab(df['A'],df['C']) #都是分類數據

#對交叉結果進行歸一化：
pd.crosstab(df['A'], df['B'], normalize=True)

#對每列進行歸一化：
pd.crosstab(df['A'], df['B'], normalize='columns')

#聚合，指定列做為值，并將這些值按一定算法進行聚合：
pd.crosstab(df['A'], df['C'], values=df['D'], aggfunc=np.sum) #分類和數值

#邊距匯總，在最右邊增加一個匯總列：
pd.crosstab(df['A'], df['B'],values=df['D'],aggfunc=np.sum,
            normalize=True,margins=True)

數據融合melt()

#df.melt() 是 df.pivot() 逆轉操作函數。簡單說就是將指定的列放到鋪開放到行上名為variable(可指定)列，值在value(可指定)列?

語法結構：

具體語法結構如下：

pd.melt(frame: pandas.core.frame.DataFrame,id_vars=None, value_vars=None,
? ? ? ? var_name='variable', value_name='value',col_level=None)

其中：

  • id_varstuple：list或ndarray（可選），用作標識變量的列。
  • value_varstuple：列表或ndarray，可選，要取消透視的列。 如果未指定，則使用未設置為id_vars的所有列。
  • var_namescalar：用于“變量”列的名稱。 如果為None，則使用frame.columns.name或“variable”。
  • value_namescalar：默認為“ value”，用于“ value”列的名稱。
  • col_levelint或str：可選，如果列是MultiIndex，則使用此級別來融化。

生成案例數據：

df=pd.DataFrame({'A':['a1','a2','a3','a4','a5'],
                'B':['b1','b2','b3','b4','b5'],
                'C':[1,2,3,4,5]})
df

pd.melt(df)

#指定標識和值,
pd.melt(df,id_vars=['A'])  #只對BC展開

pd.melt(df,value_vars=['B','C']) #保留BC,并展開

#同時指定，并命名
pd.melt(df,id_vars=['A'],value_vars=['B'],var_name='B_label',value_name='B_value')

數據堆疊 stack

#stack就是把列變量堆到行上，unstack就是行變到列上

生成案例數據 ：

#堆疊 stack 單層索引：
df = pd.DataFrame({'A':['a1','a1','a2','a2'],
                  'B':['b1','b2','b1','b2'],
                  'C':[1,2,3,4],
                  'D':[5,6,7,8],
                  'E':[5,6,7,8]})
df.set_index(['A','B'],inplace=True)
df

?stack 堆疊

df.stack()

?unstack 解堆

df.stack().unstack()

df.stack().unstack().unstack()

df.stack().unstack().unstack().unstack()

?可以看到，解堆就是不停地把列變量弄到行上去作為索引。

原文鏈接：https://blog.csdn.net/weixin_46277779/article/details/126198862

欄目分類
最近更新