数据聚合与分组操作-数据透视表

数据聚合与分组操作-数据透视表

import numpy as np
import pandas as pd

tips = pd.DataFrame({\'total_bill\':np.arange(50,70),
                    \'tip\':np.arange(20,40),
                    \'smoker\':[\'Yes\',\'No\',\'Yes\']*6+[\'No\',\'No\'],
                    \'day\':[\'Fri\',\'Sun\',\'Thu\',\'Sat\']*5,
                    \'time\':[\'Lunch\',\'Dinner\']*10,
                    \'size\':np.arange(1,21),
                    \'tip_pct\':np.random.rand(20)})
tips

　

  

  

tips.pivot_table(index=[\'day\',\'smoker\'])  # 默认取平均值

　　

		size	tip	tip_pct	total_bill
day	smoker
Fri	No	11.000000	30.000000	0.330234	60.000000
	Yes	7.666667	26.666667	0.506731	56.666667
Sat	No	14.000000	33.000000	0.406182	63.000000
	Yes	10.666667	29.666667	0.499115	59.666667
Sun	No	8.000000	27.000000	0.356128	57.000000
	Yes	11.333333	30.333333	0.725151	60.333333
Thu	No	15.000000	34.000000	0.826657	64.000000
	Yes	8.333333	27.333333	0.517562	57.333333

tips.groupby([\'day\',\'smoker\']).mean()  # 与上句同效果

　　

		size	tip	tip_pct	total_bill
day	smoker
Fri	No	11.000000	30.000000	0.330234	60.000000
	Yes	7.666667	26.666667	0.506731	56.666667
Sat	No	14.000000	33.000000	0.406182	63.000000
	Yes	10.666667	29.666667	0.499115	59.666667
Sun	No	8.000000	27.000000	0.356128	57.000000
	Yes	11.333333	30.333333	0.725151	60.333333
Thu	No	15.000000	34.000000	0.826657	64.000000
	Yes	8.333333	27.333333	0.517562	57.333333

tips.pivot_table(\'tip_pct\',index=[\'time\',\'smoker\'],columns=\'day\',
                aggfunc=len,margins=True)

　　

	day	Fri	Sat	Sun	Thu	All
time	smoker
Dinner	No	NaN	2.0	2.0	NaN	4.0
	Yes	NaN	3.0	3.0	NaN	6.0
Lunch	No	2.0	NaN	NaN	2.0	4.0
	Yes	3.0	NaN	NaN	3.0	6.0
All		5.0	5.0	5.0	5.0	20.0

tips.pivot_table(\'tip_pct\',index=[\'time\',\'smoker\'],columns=\'day\',
                aggfunc=\'count\',margins=True)   # 集成函数写成\'count\'，与上句同效果

　　

	day	Fri	Sat	Sun	Thu	All
time	smoker
Dinner	No	NaN	2.0	2.0	NaN	4.0
	Yes	NaN	3.0	3.0	NaN	6.0
Lunch	No	2.0	NaN	NaN	2.0	4.0
	Yes	3.0	NaN	NaN	3.0	6.0
All		5.0	5.0	5.0	5.0	20.0