[Python知识库]【python】使用pandas做数据透视表，入门版

使用到的模块

import pandas as pd
import numpy as np

先来看看原始的表格数据（数据无意义，只是用来做实验的呀）

获取到所有的值:
[[Timestamp('2021-07-01 00:00:00') 'France' 44.0 72000.0 'No']
 [Timestamp('2021-08-01 00:00:00') 'Spain' 27.0 48000.0 'Yes']
 [Timestamp('2021-07-01 00:00:00') 'Germany' 30.0 54000.0 'No']
 [Timestamp('2021-09-15 00:00:00') 'Spain' 38.0 61000.0 'No']
 [Timestamp('2021-09-15 00:00:00') 'Germany' 40.0 nan 'Yes']
 [Timestamp('2021-07-01 00:00:00') 'France' 35.0 58000.0 'Yes']
 [Timestamp('2021-08-01 00:00:00') 'Spain' nan 52000.0 'No']
 [Timestamp('2021-09-15 00:00:00') 'France' 48.0 79000.0 'Yes']
 [Timestamp('2021-09-15 00:00:00') 'Germany' 50.0 83000.0 'No']
 [Timestamp('2021-07-01 00:00:00') 'France' 37.0 67000.0 'Yes']]

取5个样本数据，

print(df.sample(5))

输出：

        Date  Country   Age   Salary Purchased
8 2021-09-15  Germany  50.0  83000.0        No
3 2021-09-15    Spain  38.0  61000.0        No
5 2021-07-01   France  35.0  58000.0       Yes
1 2021-08-01    Spain  27.0  48000.0       Yes
6 2021-08-01    Spain   NaN  52000.0        No

将时间按照月份统计，并取5个样本看看效果：

df.insert(1,"月份",df["Date"].apply(lambda x:x.month))
print(df.sample(5))

        Date  月份  Country   Age   Salary Purchased
9 2021-07-01   7   France  37.0  67000.0       Yes
6 2021-08-01   8    Spain   NaN  52000.0        No
7 2021-09-15   9   France  48.0  79000.0       Yes
2 2021-07-01   7  Germany  30.0  54000.0        No
3 2021-09-15   9    Spain  38.0  61000.0        No

PS：为什么需要取5个样本呢？

解答：遇到数据多的时候，只取样本看看效果可以节省时间

重头戏来了，使用python做数据透视表，按照月份统计各个城市的薪水总和

df1 = pd.pivot_table(df,index="Country",columns="月份",
    values="Salary",aggfunc=np.sum)
print(df1)

?结果展示：

月份              7         8        9
Country                             
France   197000.0       NaN  79000.0
Germany   54000.0       NaN  83000.0
Spain         NaN  100000.0  61000.0