目录

搜索

输入搜索字词或模块，类或函数名称。

pandas.pivot_table

pandas.pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')[source]

创建一个电子表格样式的数据透视表作为DataFrame。数据透视表中的级别将存储在结果的索引和列上的MultiIndex对象（分层索引）中DataFrame

参数：

data：DataFrame

值：要聚合的列，可选

索引：列，Grouper，数组或上一个的列表

如果传递数组，它必须与数据的长度相同。该列表可以包含任何其他类型（除列表外）。按分组依据的数据透视表索引。如果传递数组，则其使用方式与列值相同。

列：列，Grouper，数组或上一个列表

如果传递数组，它必须与数据的长度相同。该列表可以包含任何其他类型（除列表外）。分组依据的关键字数据透视表列。如果传递数组，则其使用方式与列值相同。

aggfunc：函数或函数列表，默认为numpy.mean

如果传递函数列表，则生成的数据透视表将具有顶级为函数名称的层次列（从函数对象本身推断）

fill_value：标量，默认值无

用缺省值替换的值

边距：boolean，默认为False

添加所有行/列（例如，小计/总计）

dropna：boolean，default True

不要包括条目都是NaN的列

margins_name：string，default'All'

当边距为True时，将包含总计的行/列的名称。
返回：

表：DataFrame

例子

>>> df
   A   B   C      D
0  foo one small  1
1  foo one large  2
2  foo one large  2
3  foo two small  3
4  foo two small  3
5  bar one large  4
6  bar one small  5
7  bar two small  6
8  bar two large  7

>>> table = pivot_table(df, values='D', index=['A', 'B'],
...                     columns=['C'], aggfunc=np.sum)
>>> table
          small  large
foo  one  1      4
     two  6      NaN
bar  one  5      4
     two  6      7
Scroll To Top