python⽤pandas实现数据透视表功能详解透视表是⼀种可以对数据动态排布并且分类汇总的表格格式。对于熟练使⽤ excel 的伙伴来说，⼀定很是亲切！pd.pivot_table() 语法：
pivot_table(data,    # DataFrame
values=None,    # 值
index=None,    # 分类汇总依据
columns=None,    # 列
aggfunc='mean',    # 聚合函数
fill_value=None,    # 对缺失值的填充
margins=False,    # 是否启⽤总计⾏/列
dropna=True,    # 删除缺失
margins_name='All'# 总计⾏/列的名称
)
1、销量数据的透视
1.1 读⼊数据
import os
import numpy as np
import pandas as pd
file_name = os.path.join(path, 'Excel_test.xls')
df = pd.read_excel(io=file_name,    # ⼯作簿路径
sheetname='透视表',    # ⼯作表名称
skiprows=1,    # 要忽略的⾏数
parse_cols='A:D'# 读⼊的列
)
df
1.2 数据透视
# 透视数据
df_p = df.pivot_table(index='客户名称',    # 透视的⾏，分组依据                      values='销量',    # 值
aggfunc='sum'# 聚合函数
)
# 对透视表进⾏降序排列
df_p = df_p.sort_values(by='销量',    # 排序依据
ascending=False    # 是否升序排列
)
# 设置数值格式
df_p = und({'销量': 0}).astype('int')
# 添加列
ks = df_p['销量']//100
python index函数
df_p['重要程度'] =  ['★'*k for k in ks]
df_p
1.3 重新设置图⽰表的索引
df_p['客户名称'] = df_p.index
df_p.set_index(keys=['重要程度', '客户名称'])
注：以上操作从理论和实践⽅⾯看都没什么问题，但模仿 excel 的痕迹浓重了些，更 python 的操作是⽤ groupby-applay 的⽅法。
2 ⽤分组聚合实现数据透视
grouped = df.groupby(by='客户名称')
grouped['销量'].agg('sum')
2.2 实现⽬标格式的透视表
# 分类汇总
df_p = df.groupby(by='客户名称'# 分类
).agg('sum'# 汇总
).sort_values(by='销量', ascending=False    # 排序
).round({'销量': 0}    # 设置精度
).astype('int')    # 数据类型转换
# 添加列
ks = df_p['销量']//100
df_p['重要程度'] =  ['★'*k for k in ks]
df_p['客户名称'] = df_p.index
# 层次索引
df_p.set_index(keys=['重要程度', '客户名称'])
软件信息：