導入模塊和讀取數(shù)據(jù)

那我們第一步仍然是導入模塊并且來讀取數(shù)據(jù)，數(shù)據(jù)集是北美咖啡的銷售數(shù)據(jù)，包括了咖啡的品種、銷售的地區(qū)、銷售的利潤和成本、銷量以及日期等等。

創(chuàng)新互聯(lián)長期為超過千家客戶提供的網(wǎng)站建設服務，團隊從業(yè)經(jīng)驗10年，關注不同地域、不同群體，并針對不同對象提供差異化的產品和服務；打造開放共贏平臺，與合作伙伴共同營造健康的互聯(lián)網(wǎng)生態(tài)環(huán)境。為扎蘭屯企業(yè)提供專業(yè)的成都做網(wǎng)站、成都網(wǎng)站制作，扎蘭屯網(wǎng)站改版等技術服務。擁有十多年豐富建站經(jīng)驗和眾多成功案例,為您定制開發(fā)。

import pandas as pd
def load_data():
    return pd.read_csv('coffee_sales.csv', parse_dates=['order_date'])

那小編這里將讀取數(shù)據(jù)封裝成了一個自定義的函數(shù)，讀者也可以根據(jù)自己的習慣來進行數(shù)據(jù)的讀取。

df = load_data()
df.head()

output

通過調用info()函數(shù)先來對數(shù)據(jù)集有一個大致的了解。

df.info()

output

RangeIndex: 4248 entries, 0 to 4247
Data columns (total 9 columns):
 #   Column            Non-Null Count  Dtype          
---  ------            --------------  -----          
0   order_date        4248 non-null   datetime64[ns]
1   market            4248 non-null   object        
2   region            4248 non-null   object        
3   product_category  4248 non-null   object        
4   product           4248 non-null   object        
 5   cost              4248 non-null   int64          
 6   inventory         4248 non-null   int64          
 7   net_profit        4248 non-null   int64          
 8   sales             4248 non-null   int64          
dtypes: datetime64[ns](1), int64(4), object(4)
memory usage: 298.8+ KB

初體驗

在pivot_table函數(shù)當中最重要的四個參數(shù)分別是index、values、columns以及aggfunc，其中每個數(shù)據(jù)透視表都必須要有一個index，例如我們想看每個地區(qū)咖啡的銷售數(shù)據(jù)，就將“region”設置為index。

df.pivot_table(index='region')

output

當然我們還可以更加細致一點，查看每個地區(qū)中不同咖啡種類的銷售數(shù)據(jù)，因此在索引中我們引用“region”以及“product_category”兩個，代碼如下：

df.pivot_table(index=['region', 'product_category'])

output

進階的操作

上面的案例當中，我們以地區(qū)“region”為索引看到了各項銷售指標，當中有成本、庫存、凈利潤以及銷量這個4個指標的數(shù)據(jù)，那要是我們想要單獨拎出某一個指標來看的話，代碼如下所示：

df.pivot_table(index=['region'], values=['sales'])

output

這也就是我們上面提到的values，在上面的案例當中我們就單獨拎出了“銷量”這一指標，又或者我們想要看一下凈利潤，代碼如下：

df.pivot_table(index=['region'], values=['net_profit'])

output

另外我們也提到了aggfunc，可以設置我們對數(shù)據(jù)聚合時進行的函數(shù)操作，通常情況下，默認的都是求平均數(shù)，這里我們也可以指定例如去計算總數(shù)。

df.pivot_table(index=['region'], values=['sales'], aggfunc='sum')

output

或者我們也可以這么來寫。

df.pivot_table(index=['region'], values=['sales'], aggfunc={ 'sales': 'sum' })

當然我們要是覺得只有一個聚合函數(shù)可能還不夠，我們可以多來添加幾個。

df.pivot_table(index=['region'], values=['sales'], aggfunc=['sum', 'count'])

output

剩下最后的一個關鍵參數(shù)columns類似于之前提到的index用來設置列層次的字段，當然它并不是一個必要的參數(shù)，例如：

df.pivot_table(index=['region'], values=['sales'], aggfunc='sum', columns=['product_category'])

output

在“列”方向上表示每種咖啡在每個地區(qū)的銷量總和，要是我們不調用columns參數(shù)，而是統(tǒng)一作為index索引的話，代碼如下：

df.pivot_table(index=['region', 'product_category'], values=['sales'], aggfunc='sum')

output

同時我們看到當中存在著一些缺失值，我們可以選擇將這些缺失值替換掉。

df.pivot_table(index=['region', 'product_category'], values=['sales'], aggfunc='sum')

output

熟能生巧

我們再來做幾組練習，我們除了想要知道銷量之外還想知道各個品種的咖啡在每個地區(qū)的成本如何，我們在values當中添加“cost”的字段，代碼如下：

df.pivot_table(index=['region'], values=['sales', 'cost'], aggfunc='sum', columns=['product_category'], fill_value=0)

output

同時我們還能夠計算出總量，通過調用margin這個參數(shù)。

df.pivot_table(index=['region', 'product_category'], values=['sales', 'cost'], aggfunc='sum', fill_value=0, margins=True)

output

最后的最后，我們調用pivot_table函數(shù)來制作一個2010年度咖啡銷售的銷量年報，代碼如下：

month_gp = pd.Grouper(key='order_date',freq='M')
cond = df["order_date"].dt.year == 2010
df[cond].pivot_table(index=['region','product_category'],
                     columns=[month_gp],
                     values=['sales'],
                     aggfunc=['sum'])

output

網(wǎng)站名稱：一行Pandas代碼制作數(shù)據(jù)分析透視表，太牛了！
本文URL：http://uogjgqi.cn/article/dpgcosc.html