数据透视与合并

数据透视与合并

一、数据透视

数据透视 可以算是利用 Pandas 进行数据分析最核心的操作，在 pandas 中可以通过 pivot_table 实现， 如果你能熟练使用 Pandas 进行数据透视，将会极大提高工作销效率，因为：

• 更快的速度，并且可以自动化
• 更易理解（看代码你就知道它做了什么）
• 易于使用以生成报告或电子邮件
• 更灵活，因为您可以定义自定义聚合函数

数据透视与合并将涉及四大函数：

• pivot_table
• concat
• merge
• join

数据透视表

本页数据说明

1、加载数据

读取当前目录下 "某超市销售数据.csv" 并设置千分位符号为 ,

import pandas as pd
df = pd.read_csv('某超市销售数据.csv',thousands=',')
df.head()

2、数据透视｜默认

制作各省「平均销售额」的数据透视表

pd.pivot_table(df,values = ['销售额'],index = '省/自治区')

3、数据透视｜指定方法

制作各省「销售总额」的数据透视表

pd.pivot_table(df,values = ['销售额'],index = '省/自治区',aggfunc = sum)

4、数据透视｜多方法

制作各省「销售总额」与「平均销售额」的数据透视表

pd.pivot_table(df,values=['销售额'],index='省/自治区',aggfunc=[sum,'mean'])

5、数据透视｜多指标

制作各省市「销售总额」与「利润总额」的数据透视表

pd.pivot_table(df,values=['销售额','利润','数量'],index='类别',aggfunc=sum)

6、数据透视｜多索引

制作「各省市」与「不同类别」产品「销售总额」的数据透视表

pd.pivot_table(df,values='销售额',index=['省/自治区','类别'],aggfunc=sum)

7、数据透视｜多层

制作各省市「不同类别」产品的「销售总额」透视表

pd.pivot_table(df,values='销售额',index='省/自治区',columns='类别',aggfunc=sum)

8、数据透视｜综合

制作「各省市」、「不同类别」产品「销售量与销售额」的「均值与总和」的数据透视表，并在最后追加一行『合计』

pd.pivot_table(df,values=['销售额','数量'],index=['省/自治区','类别'],aggfunc=[sum,'mean'],margins=True)

9、数据透视｜筛选

查询 「类别」 等于 「办公用品」 的详情

table = pd.pivot_table(df,values = ['销售额','数量'],index = ['省/自治区','类别'],aggfunc = ['mean',sum],margins=True)
table.query('类别==["办公用品"]')

10、数据透视｜逆透视

透视就是将宽的表转换为长的表，例如5中的透视表进行逆透视，其中不需要转换的列为『数量』列

table = pd.pivot_table(df,values = ['销售额','利润','数量'],index = '类别',aggfunc = sum)
table.melt(id_vars=['数量'],var_name='分类',value_name='金额')

二、数据合并

concat - 数据拼接 concat主要用于数据拼接，也是非常常用的一个操作。

f1 = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                    'B': ['B0', 'B1', 'B2', 'B3'],
                    'C': ['C0', 'C1', 'C2', 'C3'],
                    'D': ['D0', 'D1', 'D2', 'D3']},
                   index=[0, 1, 2, 3])


df2 = pd.DataFrame({'A': ['A4', 'A5', 'A6', 'A7'],
                    'B': ['B4', 'B5', 'B6', 'B7'],
                    'C': ['C4', 'C5', 'C6', 'C7'],
                    'D': ['D4', 'D5', 'D6', 'D7']},
                   index=[4, 5, 6, 7])


df3 = pd.DataFrame({'A': ['A8', 'A9', 'A10', 'A11'],
                    'B': ['B8', 'B9', 'B10', 'B11'],
                    'C': ['C8', 'C9', 'C10', 'C11'],
                    'D': ['D8', 'D9', 'D10', 'D11']},
                   index=[8, 9, 10, 11])


df4 = pd.DataFrame({'B': ['B2', 'B3', 'B6', 'B7'],
                    'D': ['D2', 'D3', 'D6', 'D7'],
                    'F': ['F2', 'F3', 'F6', 'F7']},
                   index=[2, 3, 6, 7])

1、concat｜默认拼接

拼接 df1 和 df2

pd.concat([df1, df2])

2、concat｜拼接多个

垂直拼接 df1、df2、df3，效果如下图所示

pd.concat([df1, df2, df3])

3、concat｜重置索引

垂直拼接 df1 和 df4,并按顺序重新生成索引

pd.concat([df1, df4], ignore_index=True)

4、concat｜横向拼接

横向拼接 df1、df4，效果如下图所示

pd.concat([df1,df4],axis=1)

5、concat｜横向拼接（取交集）

pd.concat([df1,df4],axis=1,join='inner')

6、concat｜横向拼接（取指定）

pd.concat([df1, df4], axis=1).reindex(df1.index)

7、concat｜新增索引

拼接 df1、df2、df3，同时新增一个索引（x、y、z）来区分不同的表数据来源

pd.concat([df1, df2, df3], keys=['x', 'y', 'z'])

merge - 数据连接 concat是拼接，merge则是连接，同样重要的一个操作

8、merge｜按单键

根据 key 连接 left 和 right

left = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
                     'A': ['A0', 'A1', 'A2', 'A3'],
                     'B': ['B0', 'B1', 'B2', 'B3']})

right = pd.DataFrame({'key': ['K0', 'K1', 'K2', 'K3'],
                      'C': ['C0', 'C1', 'C2', 'C3'],
                      'D': ['D0', 'D1', 'D2', 'D3']})

pd.merge(left, right, on='key')

9、merge｜按多键

根据 key1 和 key2 连接 left 和 right

left = pd.DataFrame({'key1': ['K0', 'K0', 'K1', 'K2'],
                     'key2': ['K0', 'K1', 'K0', 'K1'],
                     'A': ['A0', 'A1', 'A2', 'A3'],
                     'B': ['B0', 'B1', 'B2', 'B3']})


right = pd.DataFrame({'key1': ['K0', 'K1', 'K1', 'K2'],
                      'key2': ['K0', 'K0', 'K0', 'K0'],
                      'C': ['C0', 'C1', 'C2', 'C3'],
                      'D': ['D0', 'D1', 'D2', 'D3']})

pd.merge(left, right, on=['key1', 'key2'])

10、merge｜左外连接

如下图所示的结果连接 left 和 right，保留左表全部键

pd.merge(left, right, how='left', on=['key1', 'key2'])

11、merge｜右外连接

如下图所示的结果连接 left 和 right，保留右表全部键

pd.merge(left, right, how='right', on=['key1', 'key2'])

12、merge｜全外连接

如下图所示的结果连接 left 和 right，保留全部键

pd.merge(left, right, how='outer', on=['key1', 'key2'])

13、merge｜内连接

如下图所示的结果连接 left 和 right，保留交集

pd.merge(left, right, how='inner', on=['key1', 'key2'])

14、merge｜重复索引

重新产生数据并按下图所示进行连接

left = pd.DataFrame({'k': ['K0', 'K1', 'K2'], 'v': [1, 2, 3]})

right = pd.DataFrame({'k': ['K0', 'K0', 'K3'], 'v': [4, 5, 6]})

pd.merge(left, right, on='k', suffixes=['_l', '_r'])

join - 组合 最后一个数据合并的常用且重要的操作是join

left = pd.DataFrame({'A': ['A0', 'A1', 'A2'],
                     'B': ['B0', 'B1', 'B2']},
                     index=['K0', 'K1', 'K2'])


right = pd.DataFrame({'C': ['C0', 'C2', 'C3'],
                      'D': ['D0', 'D2', 'D3']},
                      index=['K0', 'K2', 'K3'])

15、join｜左对齐

合并 left 和 right，并按照 left 的索引进行对齐

left.join(right)

16、join｜左对齐（外连接）

按下图所示进行连接

left.join(right, how='outer')

17、join｜左对齐（内连接）

按下图所示进行连接

left.join(right, how='inner')

18、join｜按索引

重新产生数据并按下图所示进行连接（根据 key）

left = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                     'B': ['B0', 'B1', 'B2', 'B3'],
                     'key': ['K0', 'K1', 'K0', 'K1']})


right = pd.DataFrame({'C': ['C0', 'C1'],
                      'D': ['D0', 'D1']},
                      index=['K0', 'K1'])

left.join(right, on='key')

19、join｜按索引（多个）

重新产生数据并按下图所示进行连接（根据 key1 和 key2）

left = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
                     'B': ['B0', 'B1', 'B2', 'B3'],
                     'key1': ['K0', 'K0', 'K1', 'K2'],
                     'key2': ['K0', 'K1', 'K0', 'K1']})


index = pd.MultiIndex.from_tuples([('K0', 'K0'), ('K1', 'K0'),
                                  ('K2', 'K0'), ('K2', 'K1')])


right = pd.DataFrame({'C': ['C0', 'C1', 'C2', 'C3'],
                   'D': ['D0', 'D1', 'D2', 'D3']},
                  index=index)

left.join(right, on=['key1', 'key2'])