未明学院：如何用一行代码搞定数据透视表？

原创： 未明学院

Excel中数据透视表的使用非常广泛，其实Pandas也提供了一个类似的功能，应用起来比Excel更灵活，也更强大。虽然pivot_table看起来只是一个简单的函数，但是它能够快速地进行数据分析，帮你轻松搞定繁杂冗余的数据，提升学习工作的效率。

本期我们将重点解释Pandas中的pivot_table函数，并教大家如何使用它来进行数据分析。

注意，你需要确保你理解你的数据，并清楚地知道你想通过透视表解决什么问题。

（1）预处理

打开一份Excel表格，可以看到一份表格的数据量庞大，如何从繁杂冗余的数据中获取自己想要的信息，是一个让人头疼的问题。

图/列数据

图/行数据多达3W+

我们来教大家怎么用一行代码获取想要的信息。

在此之前，先进行简单的数据预处理，为防止后续操作中筛选出的数据量过大，我们可以限定显示最大的函数为10行：

（2）单个索引

以年代为索引，计算各个数字字段的均值（默认）：

通过这种简单的筛选方式，你可以轻松获取你想要的信息，无需大费周章地查找。

同理，如果想要以产地为索引，只要把“年代”索引修改成“产地”索引即可。

（3）多索引

此外，也可以有多个索引。实际上，大多数的pivot_table参数可以通过列表获取多个值。我们尝试按年代和产地索引进行筛选：

（4）指定要统计的列数据

也可以指定需要统计汇总的数据，利用“values”指定要统计的列数据。比如我想要按照年代和产地索引，查看相应年代和产地的电影的评分：

（5）指定统计方法

还可以指定函数来统计不同的统计值，使用aggfunc就很容易实现，比如在下图中使用Numpy的sum函数对投票人数求和：

aggfunc可以包含很多函数，下面让我们尝试用numpy中的sum和mean函数来进行分组计算。

以产地为索引，通过将“投票人数”列和“评分”列进行对应分组，用sum函数计算总和，用mean计算数值均值：

可以看到，透视表的应用很灵活。

（6）替换非法字符

非数值（NaN）难以处理，会对计算产生干扰。如果想移除它们，可以使用“fill_value”将其设置为0：

（7）计算总和

加入margins=True，可以在下方显示一些总和数据：

（8）灵活运用aggfunc

一个很方便的特性是，为了对你选择的不同值执行不同的函数，你可以向aggfunc传递一个字典。不过，这样做有一个副作用，那就是必须将标签做的更加简洁才行。

我们尝试对各个地区的投票人数求和，对评分求均值：

（9）数据过滤

运用type函数，可以看到数据透视表是Dataframe类型的：

（10）进一步应用

1994年被誉为电影史上伟大的一年，《低俗小说》《肖申克的救赎》《阿甘正传》等经典电影都出现在这一年，所以我们通过索引筛选1994年的电影评分，1994年的电影平均分在7.26分：

接下来我们按电影的年代进行排名，使用排序函数sort_values()，评分按照降序排序，设置ascending的值为False：

数据显示，评分最高的是1924年，平均分达到8分以上。

那么1924年都有什么电影呢？我们接着往下看：

1924年的所有电影仅靠一小串代码就罗列出来了，是不是很轻松~

话不多说，小明已经抄下影单，准备观影了！