点击查看【bilibili】

df.pivot_table

  • values：计算的字段，如values=['salary','top']
  • index：作为索引的字段，如index='city'
  • columns：作为列的字段，原字段中的每个值将作为透视表的列名，如columns='education'
  • aggfunc：计算方法，支持函数、函数列表、字典{汇总计算的字段 : 函数}，默认值是numpy.mean
  • fill_value：填充空值，默认是NaN
  • margins：增加汇总行和列，默认不汇总，汇总算法与aggfunc一致
  • margins_name：汇总行和列的名称，默认是All

  • dropna：如果整列数据都是NaN，则不展示，默认是True

    1. df.pivot_table(values=['salary','top'],index='city',columns='education',aggfunc={'salary':np.mean,'top':np.max},margins=True,margins_name='整体数据')
    3.           salary                                                     top
    4. education    不限        大专            本科            硕士        All            不限        大专        本科    硕士        All
    5. city                                        
    6. 上海        10.147059    10.045455    13.414365    14.000000    12.852610    50.0    60.0    100.0    100.0    100.0
    7. 北京        11.246445    9.297143    14.176577    14.492857    13.640134    50.0    50.0    100.0    70.0    100.0
    8. 南京        5.000000    7.090909    8.311475    9.500000    8.036145    20.0    30.0    30.0    25.0    30.0
    9. 厦门        8.333333    4.714286    8.444444    10.500000    7.700000    20.0    16.0    30.0    30.0    30.0
    10. 天津        3.000000    4.250000    7.066667    NaN    6.300000    4.0    9.0    20.0    NaN    20.0
    11. 广州        6.833333    6.833333    10.418103    10.714286    9.397015    26.0    25.0    60.0    40.0    60.0
    12. 成都        7.625000    8.115385    9.979798    9.500000    9.474074    30.0    30.0    80.0    25.0    80.0
    13. 杭州        13.000000    8.830508    12.122112    15.842105    11.874693    40.0    80.0    80.0    50.0    80.0
    14. 武汉        8.100000    8.071429    8.159091    6.000000    8.101449    30.0    30.0    35.0    8.0    35.0
    15. 深圳        11.450000    10.563830    13.392405    12.764706    12.792776    30.0    50.0    100.0    40.0    100.0
    16. 苏州        NaN    10.600000    10.448276    12.000000    10.594595    NaN    25.0    40.0    35.0    40.0
    17. 西安        7.500000    6.000000    8.151515    4.000000    7.431373    15.0    15.0    40.0    6.0    40.0
    18. 长沙        6.285714    6.000000    7.466667    6.000000    6.960000    15.0    18.0    20.0    12.0    20.0
    19. All        10.616000    9.043702    13.419404    14.106024    12.811972    50.0    80.0    100.0    100.0    100.0