左手Python右手Excel，玩转数据透视表哪家强？

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)