1 #透視表 pivot table
 2 #pd.pivot_table(data,values=None,index=None,columns=None,
 3 import numpy as np
 4 import pandas as pd              aggfunc=‘mean‘,fill_value=None,margins=False,dropna=True,margins_name=‘ALL‘)
 5 date = [‘2017-5-1‘,‘2017-5-2‘,‘2017-5-3‘]*3
 6 rng = pd.to_datetime(date)
 7 df = pd.DataFrame({‘
 
date‘:rng,
 8                    ‘key‘:list(‘abcdabcda‘),
 9                    ‘values‘:np.random.rand(9)*10})
10 print(df)
11 print(‘-----‘)
12 
13 print(pd.pivot_table(df,values = ‘values‘,index = [‘date‘],columns=‘key‘,aggfunc=np.sum))#也可以aggfunc=‘sum‘
14 print(‘-----‘)
15 #data:DataFrame對象
16 #values：要聚合的列或列的列表
 

17 #index：數據透視的index，從原始數據的列中篩選
18 #columns：數據透視表的columns，從原始數據的列中篩選
19 #aggfunc：用於聚合的函數，默認為numpy，mean，支持numpy計算方法
20 print(pd.pivot_table(df,values = ‘values‘,index = [‘date‘,‘key‘],aggfunc=len))
21 print(‘------‘)
22 #這裏就分別以date，key共同做數據透視，值為values：統計不同（date，key）情況下values的計數
23 #aggfunc=len（或者count）：計數
 

結果：
date key values
0 2017-05-01 a 2.562157
1 2017-05-02 b 9.604823
2 2017-05-03 c 4.770968
3 2017-05-01 d 0.654878
4 2017-05-02 a 8.839281
5 2017-05-03 b 1.211138
6 2017-05-01 c 9.570886
7 2017-05-02 d 9.915021
8 2017-05-03 a 8.551166
-----
key a b c d
date
2017-05-01 2.562157 NaN 9.570886 0.654878
2017-05-02 8.839281 9.604823 NaN 9.915021
2017-05-03 8.551166 1.211138 4.770968 NaN
-----
values
date key
2017-05-01 a 1.0
　　 c 1.0
　　 d 1.0
2017-05-02 a 1.0
　　 b 1.0
　　 d 1.0
2017-05-03 a 1.0
　　 b 1.0
　　 c 1.0
------

 1 #交叉表：crosstab
 2 #默認情況下，crosstab計算因子的頻率，比如用於str的數據透視分析
 3 #pd.crosstab(index,columns,values=None,rownames=None
 4 #            ,colnames=None,aggfunc=None,margins=False,dropna=True,normalize=False)
 5 df = pd.DataFrame({‘A‘:[1,2,2,2,2],
 6                    ‘B‘:[3,3,4,4,4],
 7                    ‘C‘:[1,1,np.nan,1,1]})
 8 print(df)
 9 print(‘------‘)
10 print(pd.crosstab(df[‘A‘],df[‘B‘]))
11 print(‘------‘)
12 #如果crosstab只接收兩個series，他將提供一個頻率表
13 #用A的唯一值，統計B唯一值的出現次數  （A,B）= （1，3）C出現了1次   （A,B）= （2，4）出現了3次
14 
15 print(pd.crosstab(df[‘A‘],df[‘B‘],normalize=True))#以頻率的方式顯示
16 print(‘--------‘)
17 print(pd.crosstab(df[‘A‘],df[‘B‘],values=df[‘C‘],aggfunc=np.sum))#values:根據因子聚合的值數組
18 #aggfunc：如果未傳遞values數組，則計算頻率表，如果傳遞數組，則按照指定計算
19 #這裏相當於以A和B界定分組，計算出每組中第三個系列C的值
20 print(‘--------‘)
21 print(pd.crosstab(df[‘A‘],df[‘B‘],values=df[‘C‘],aggfunc=np.sum,margins=True))
22 print(‘--------‘)
23 #margins:布爾值，默認值False，添加行/列邊距（小計）

結果:
A B C
0 1 3 1.0
1 2 3 1.0
2 2 4 NaN
3 2 4 1.0
4 2 4 1.0
------
B 3 4
A
1 1 0
2 1 3
------
B 3 4
A
1 0.2 0.0
2 0.2 0.6
--------
B 3 4
A
1 1.0 NaN
2 1.0 2.0
--------
B 3 4 All
A
1 1.0 NaN 1.0
2 1.0 2.0 3.0
All 2.0 2.0 4.0
--------

2018.03.29 python-pandas 數據透視pivot table / 交叉表crosstab