3.10 數據透視表
數據透視表(pivot table) 是一種類似GroupBy的操作方法，常見於Excel中。數據透視表將每一列數據作爲輸入，輸出將數據不斷細分爲多個維度累計信息的二維數據表。
3.10.1 演示數據透視表
示例將採用泰坦尼克號的乘客信息數據庫來演示，可以在Seaborn程序庫獲取：
In [1]: import numpy as np
import pandas as pd
import seaborn as sns
titanic = sns.load_dataset('titanic')
In [2]: titanic.head()
Out[2]:
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
0 0 3 male 22.0 1 0 7.2500 S Third man True NaN Southampton no False
1 1 1 female 38.0 1 0 71.2833 C First woman False C Cherbourg yes False
2 1 3 female 26.0 0 0 7.9250 S Third woman False NaN Southampton yes True
3 1 1 female 35.0 1 0 53.1000 S First woman False C Southampton yes False
4 0 3 male 35.0 0 0 8.0500 S Third man True NaN Southampton no True
In [3]: titanic.shape
Out[3]:(891, 15)
這份數據包含了慘遭厄運的每位乘客的大量信息，包括性別(sex)、年齡(age)、船艙等級(class)和船票價格(fare).
3.20.2 使用groupby製作數據透視表
按照性別進行分組，研究性別與生還情況的關係：
In [4]: titanic.groupby("sex")["survived"].mean()
Out[4]:
sex
female 0.742038
male 0.188908
Name: survived, dtype: float64
從數據可以看出：有75%的女性被救，男性中只有19%被救。
如果我們進一步探索，同時觀察不同性別與船艙等級的生還情況。根據GroupBy的操作流程,我們也能夠實現想要的效果：將船艙等級與性別分組，然後選擇生還狀態列，應用均值累計函數，再將各組結果組合，最後通過行索引轉列索引操作將最裏層的行索引換成列索引，形成二維數組。
In [5]: titanic.groupby(["sex","class"])["survived"].mean()
Out[5]:
sex class
female First 0.968085
Second 0.921053
Third 0.500000
male First 0.368852
Second 0.157407
Third 0.135447
Name: survived, dtype: float64
In [6]: titanic.groupby(["sex","class"])["survived"].mean().unstack()
Out[6]:
class First Second Third
sex
female 0.968085 0.921053 0.500000
male 0.368852 0.157407 0.135447
但是相對於pandas李彤的pivot_table方法，語句要複雜一些。所以使用pivot_table來製作透視表。
3.10.3 數據透視表語法
DataFrame 的pivot_table 方法的完整簽名如下所示：
DataFrame.pivot_table(data, values=None, index=None, columns=None,
aggfunc='mean', fill_value=None, margins=False,
dropna=True, margins_name='All')
- index : 透視表的行索引，必要參數，如果我們想要設置多層次索引，使用列表[ ]
- values ： 對目標數據進行篩選，默認是全部數據，我們可通過values參數設置我們想要展示的數據列
- columns :透視表的列索引，非必要參數，同index使用方式一樣
- aggfunc ：對數據聚合時進行的函數操作，默認是求平均值，也可以sum、count等
- margins ：額外列，在最邊上，默認是對行列求和
- fill_value : 對於空值進行填充
- dropna : 默認開啓去重
下面我們來測試一下各個參數：
In [7]: titanic.pivot_table(index='sex', columns='class')
Out[7]:
adult_male age ····
class First Second Third First Second Third ····
sex
female 0.00000 0.000000 0.000000 34.611765 28.722973 21.750000 ····
male 0.97541 0.916667 0.919308 41.281386 30.740707 26.507589 ····
默認對所有列進行聚合，這時我們給與values參數，只計算我們想要的結果：
In [8]: agg = pd.cut(titanic["age"],[0,18,80]) # 對年齡數據列進行分段，便於觀看
In [9]: titanic.pivot_table(index=['sex',age], columns='class',values=['survived','fare'])
Out[9]:
fare survived
class First Second Third First Second Third
sex age
female (0, 18] 127.474245 25.064286 17.370835 0.909091 1.000000 0.511628
(18, 80] 105.043469 21.224653 14.785453 0.972973 0.900000 0.423729
male (0, 18] 114.638320 26.116947 20.639055 0.800000 0.600000 0.215686
(18, 80] 68.877389 20.219593 10.022624 0.375000 0.071429 0.133663
在實際使用中，並不一定每次都要均值，這是我們可以使用aggfunc指定累計函數：
In [10]: titanic.pivot_table(index='sex', columns='class',aggfunc={'survived':sum, 'fare':'mean'})
Out[10]:
fare survived
class First Second Third First Second Third
sex
female 106.125798 21.970121 16.118810 91 70 72
male 67.226127 19.741782 12.661633 45 17 47
需要注意的是，這裏忽略了一個參數values。當我們爲aggfunc指定映射關係的時候，待透視的數據就已經確定了。
當需要計算每一組的總數時，可以通過margins 參數來設置：
In [11]: titanic.pivot_table('survived', index='sex', columns='class', margins=True)
Out[11]:
class First Second Third All
sex
female 0.968085 0.921053 0.500000 0.742038
male 0.368852 0.157407 0.135447 0.188908
All 0.629630 0.472826 0.242363 0.383838
margin 的標籤可以通過margins_name 參數進行自定義，默認值是"All"。