前面我们分享了，利用python进行数据合并和连接，但是工作中，我们往往需要对数据进一步的聚合或者运算，以求最后的数据结果。
今天我们就来学习一下利用pandas模块，对数据集进行数据透视分析。
pandas.pivot_table(data, values=None, index=None, columns=None, aggfunc=‘mean’, fill_value=None, margins=False, dropna=True, margins_name=‘All’, observed=False, sort=True)
同样可以写成：
data.pivot_table(’ data列名’，index，columns，aggfunc…）
data：要进行数据透视的数据
values：要做计算的数据 ，对谁求和/求均值/计算个数等
index：确定行参数，可以是多个。单个’‘，多个[’‘,’‘]表示
columns：确定列参数，可以是多个。单个’‘，多个[’‘,’']
aggfunc：要计算的函数，mean求均值、sum求和、size计算个数
dropna：表示是否计算全为NaN的数据。bool类型，默认True 不计算
sort：对values结果进行排序。bool类型 默认False 升序
实际操作，首先导入pd 和 np 库
首先准备一个实验数据集，表头如下
import pandas as pd import numpy as np
设置文件路径和输出路径
path = r'E:/360MoveData/Users/B/Desktop/py案例excel.xlsx' path_out = r'E:/360MoveData/Users/B/Desktop/py案例数据输出11.xlsx'
1读取数据
data = pd.read_excel(path) print(data.shape) print(data.head())
2调用pivot_table模块，数据透视
'''
pd.pivot_table来调用数据透视，
index可以看做是pq中的分组依据字段
values可以看做是pq中的列字段
aggfunc分别是求和aggfunc=(np.sum),求平均aggfunc=(np.mean),计数aggfunc=(len),可以看做是excel透视表的值字段设置-计算类型
pivot_table模组的意义在于，大数据下的维度收缩，当数据源过于庞大时，通过py处理csv合集，解决处理过程的大数据问题，而pivot_table
可以在最后一步进行数据维度收缩，这有利于我们将大数据转为较小的数据集，最终配合excel去进行数据分析
'''
data1 = pd.pivot_table(data,
values =["入店数","下单数"],
index =["日期","门店所在城市"],
aggfunc=(np.sum)
)
输出结果如下：
