本文主要是介绍左手Python右手Excel，玩转数据透视表哪家强？，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
数据透视表
什么是数据透视表？对于大多数才开始使用Excel组件的用户来说，可能只是听说过数据透视表，至于数据透视表具体用来做什么，以及它会给实际工作带来什么便利，估计就有很多人不是很清楚了。
数据透视表是一种可以快速汇总、分析和处理大量数据的交互式工具。
简单来说，数据透视表可以从不同角度对相同的数据进行处理和分析，以查看不同层面的数据结果，从而得到想要的数据信息。
形象点来说， 数据透视表就像一个万花筒，通过旋转这个特别的万花筒，可以从中获得不断变化的事物细节，但是事物的本身其实并未发生变化，数据透视表这个特别的万花筒只是一个工具，只不过通过该工具可以获得普通事物的独特视图。
适用场景：
表格中数据量较大时
表格中的数据结构不断变化时
当需要源数据与分析结果的更新保持一致时
数据透视表我们给大家区分了一下段位（青铜、黄金、钻石、王者），本次从小白到青铜段位。先来一波效果图
黄金段位：
钻石段位：
王者段位：
透视表术语介绍
-
数据源
指的是用来创建数据透视表的原始数据内容，原始数据既可以来自现有工作表，也可以从外部数据库中获取。
比如下图就是一部分数据源（也有称作：源数据）：
-
字段
在上图中每一列的第一个单元格内容都为该列的数据分类，在生成数据透视表后，这些数据就是我们所说的字段
-
字段列表和字段设置区域
在插入了一个数据透视表后，工作表的右侧会同时出现一个名为“数据透视表字段”的任务窗格。（没有安装office，此处以wps为例介绍）
Excel的数据透视表使用
我们将上面的数据在Excel表格中创建一个透视表具体使用步骤如下：
接下来会打开一张表格：
比如我们要得到的最终结果是：
则需要在数据透视表的设置区域进行如下操作：
接下来是年份的设置，大家可以看到最终的结果图是将年份内容设置到了列上。
最终效果：
Python操作这些数据最大的亮点是：数据量非常多的时候更有优势。
Python操作数据实现透视表功能
数据透视表的制作我们使用Pandas中的pivot_table完成，具体语法如下：
pivot_table(data, # DataFramevalues=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)
首先读取数据：
import os
import numpy as np
import pandas as pddf = pd.read_excel('excel玩家等级.xlsx', sheet_name='原始表格' )
df
结果：
通过pivot_table来制作透视表：
# 透视数据
df_p = df.pivot_table(index=['学院','学科'], # 透视的行，分组依据columns='年份', # 设置列为年份values='报名人数', # 值aggfunc='sum' # 聚合函数)
df_p
添加总计列：
df_p.columns=['2006','2007','2008']
df_p['总计'] = df_p.sum(axis=1)
df_p
结果：
最后追加一行总计数据行
result = df_p.sum(axis=0) # 此时是一个Series对象
result['学院'] = '总计' # 添加数据
result['学科'] =''
# 对result进行转置
df_1 = pd.DataFrame(data=result)
df2 = df_1.T
df2.set_index(['学院','学科'],inplace=True)
# 在df_p上添加一行
df_p = df_p.append(df2)
这样我们就得到了同样的效果。
扫码添加请备注：python，进群与宋老师面对面交流：517745409
这篇关于左手Python右手Excel，玩转数据透视表哪家强？的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
