python 数据透视表答案

【问题标题】：python pivot table of countspython 数据透视表
【发布时间】：2017-11-16 02:28:08
【问题描述】：

我有一个数据框 df 如下：

| id | movie | value |
|----|-------|-------|
| 1  | a     | 0     |
| 2  | a     | 0     |
| 3  | a     | 20    |
| 4  | a     | 0     |
| 5  | a     | 10    |
| 6  | a     | 0     |
| 7  | a     | 20    |
| 8  | b     | 0     |
| 9  | b     | 0     |
| 10 | b     | 30    |
| 11 | b     | 30    |
| 12 | b     | 30    |
| 13 | b     | 10    |
| 14 | c     | 40    |
| 15 | c     | 40    |

我想创建一个 2X2 数据透视表，如下所示：

| Value | count(a) | count(b) | count ( C ) |
|-------|----------|----------|-------------|
| 0     | 4        | 2        | 0           |
| 10    | 1        | 1        | 0           |
| 20    | 2        | 0        | 0           |
| 30    | 0        | 3        | 0           |
| 40    | 0        | 0        | 2           |

我可以在 Excel 中使用行标签和列标签非常轻松地做到这一点。如何使用 Python 做到这一点？

【问题讨论】：

标签： python pandas pivot-table

【解决方案1】：

通过使用pd.crosstab

pd.crosstab(df['value'],df['movie'])
Out[24]: 
movie          a        b        c     
value                            
0              4        2        0
10             1        1        0
20             2        0        0
30             0        3        0
40             0        0        2

【讨论】：

【解决方案2】：

使用 Pandas 的基本pivot_table 功能和聚合函数（也需要import NumPy）可以做到这一点。请参阅 this question 和 Pandas pivot_table 文档中的答案以及示例：

import numpy as np
df = ...
ndf = df.pivot_table(index=['value'],
                     columns='movie',
                     aggfunc=np.count_nonzero).reset_index().fillna(0).astype(int)
print(ndf)

      value id      
movie        a  b  c
0         0  4  2  0
1        10  1  1  0
2        20  2  0  0
3        30  0  3  0
4        40  0  0  2

【讨论】：

【解决方案3】：

既然你熟悉 Excel 中的数据透视表，我也会给你 Pandas pivot_table 方法：

df.pivot_table('id','value','movie',aggfunc='count').fillna(0).astype(int)

输出：

movie     a        b        c     
value                             
 0             4        2        0
 10            1        1        0
 20            2        0        0
 30            0        3        0
 40            0        0        2

【讨论】：