pandas.pivot_table

pandas.pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All', observed=<no_default>, sort=True)[исходный код]

Создает сводную таблицу в стиле электронной таблицы в виде DataFrame.

Уровни сводной таблицы хранятся в объектах MultiIndex (иерархических индексах) в индексе и столбцах результирующего DataFrame.

Параметры:

data:DataFrame

values:подобный списку объект или скаляр, необязательно

Столбец или столбцы для агрегирования.

index:столбец, Grouper, массив или список перечисленных выше объектов

Ключи для группировки по индексу сводной таблицы. Если передан список, он может содержать любые другие типы (кроме списка). Если передан массив, его длина должна совпадать с длиной данных; он будет использоваться так же, как и значения столбцов.

columns:столбец, Grouper, массив или список перечисленных выше объектов

Ключи для группировки по столбцам сводной таблицы. Если передан список, он может содержать любые другие типы (кроме списка). Если передан массив, его длина должна совпадать с длиной данных; он будет использоваться так же, как и значения столбцов.

aggfunc:функция, список функций, словарь, по умолчанию «mean»

Если передан список функций, результирующая сводная таблица будет содержать иерархические столбцы, верхний уровень которых составляют имена функций (определяемые по самим объектам функций). Если передан словарь, его ключом является столбец для агрегирования, а значением — функция или список функций. Если margin=True, aggfunc будет использоваться для вычисления частичных агрегатов.

fill_value:скаляр, по умолчанию None

Значение, которым заменяются пропущенные значения (в результирующей сводной таблице после агрегирования).

margins:bool, по умолчанию False

Если margins=True, будут добавлены специальные столбцы и строки All с частичными итогами групп по категориям строк и столбцов.

dropna:bool, по умолчанию True

Не включать столбцы, все значения которых равны NaN. Если True, строки со значением NaN в любом столбце будут исключены перед вычислением итогов.

margins_name:str, по умолчанию ‘All’

Имя строки или столбца, в котором будут содержаться итоги, если margins равно True.

observed:bool, по умолчанию False

Применяется, только если хотя бы один из объектов группировки имеет тип Categorical. Если True: отображаются только наблюдаемые значения для объектов группировки категориального типа. Если False: отображаются все значения для объектов группировки категориального типа.

Устарело начиная с версии 2.2.0: Значение по умолчанию False устарело и в будущей версии pandas будет изменено на True.

sort:bool, по умолчанию True

Определяет, следует ли сортировать результат.

Добавлено в версии 1.3.0.

Возвращает:

DataFrame

Сводная таблица в стиле Excel.

См. также

DataFrame.pivot

Создает сводную таблицу без агрегирования, поддерживающую нечисловые данные.

DataFrame.melt

Преобразует DataFrame из широкого формата в длинный, при необходимости оставляя набор идентификаторов.

wide_to_long

Преобразует широкую панель в длинный формат. Менее гибкий, но более удобный для пользователя вариант, чем melt.

Примечания

Дополнительные примеры см. в руководстве пользователя.

Примеры

>>> df = pd.DataFrame({"A": ["foo", "foo", "foo", "foo", "foo",
...                          "bar", "bar", "bar", "bar"],
...                    "B": ["one", "one", "one", "two", "two",
...                          "one", "one", "two", "two"],
...                    "C": ["small", "large", "large", "small",
...                          "small", "large", "small", "small",
...                          "large"],
...                    "D": [1, 2, 2, 3, 3, 4, 5, 6, 7],
...                    "E": [2, 4, 5, 5, 6, 6, 8, 9, 9]})
>>> df
     A    B      C  D  E
0  foo  one  small  1  2
1  foo  one  large  2  4
2  foo  one  large  2  5
3  foo  two  small  3  5
4  foo  two  small  3  6
5  bar  one  large  4  6
6  bar  one  small  5  8
7  bar  two  small  6  9
8  bar  two  large  7  9

В этом первом примере значения агрегируются путем суммирования.

>>> table = pd.pivot_table(df, values='D', index=['A', 'B'],
...                        columns=['C'], aggfunc="sum")
>>> table
C        large  small
A   B
bar one    4.0    5.0
    two    7.0    6.0
foo one    4.0    1.0
    two    NaN    6.0

Также можно заполнить пропущенные значения с помощью параметра fill_value.

>>> table = pd.pivot_table(df, values='D', index=['A', 'B'],
...                        columns=['C'], aggfunc="sum", fill_value=0)
>>> table
C        large  small
A   B
bar one      4      5
    two      7      6
foo one      4      1
    two      0      6

В следующем примере значения в нескольких столбцах агрегируются путем вычисления среднего.

>>> table = pd.pivot_table(df, values=['D', 'E'], index=['A', 'C'],
...                        aggfunc={'D': "mean", 'E': "mean"})
>>> table
                D         E
A   C
bar large  5.500000  7.500000
    small  5.500000  8.500000
foo large  2.000000  4.500000
    small  2.333333  4.333333

Также можно вычислить несколько типов агрегатов для любого заданного столбца значений.

>>> table = pd.pivot_table(df, values=['D', 'E'], index=['A', 'C'],
...                        aggfunc={'D': "mean",
...                                 'E': ["min", "max", "mean"]})
>>> table
                  D   E
               mean max      mean  min
A   C
bar large  5.500000   9  7.500000    6
    small  5.500000   9  8.500000    8
foo large  2.000000   5  4.500000    4
    small  2.333333   6  4.333333    2