介绍

对比在Excel中使用数据透视表的经历，其实Pandas也提供了一个类似的功能，名为pivot_table。pivot_table非常有用，但是为了输出所需要的内容，经常需要记住它的使用语法。所以，本文将重点解释pandas中的函数pivot_table，并教大家如何使用它来进行数据分析。

数据

使用pandas中pivot_table前你需要确保已理解了你的数据，并清楚地知道想通过透视表解决什么问题。其实，虽然pivot_table看起来只是一个简单的函数，但是它能够快速地对数据进行强大的分析。

在本文中，我们将会跟踪一个数据分析师的招聘数据。

典型的问题包括：
各城市的平均薪资是多少？
教育水平是否对薪资分布有影响？
工作经验是否对薪资分布有影响？

肯定有人会将数据导出到Excel，并使用一个透视表工具来总结这些数据。

使用Pandas透视表将是一个不错的选择，应为它有以下优点：

更快（一旦设置之后）
自行说明（通过查看代码，你将知道它做了什么）
易于生成报告或电子邮件
更灵活，因为你可以定义定制的聚合函数

首先，让我们搭建所需的环境。

然后，将我们销售渠道的数据读入到数据帧中。

处理数据

建立数据透视表，我觉得最容易的方法就是一步一个脚印地进行。为了得到期望的结果，就不要害怕处理顺序和变量的繁琐。

最简单的透视表必须有一个数据帧和一个索引。在本例中，我们将使用"city（城市）“列作为我们的索引。

此外，你也可以有多个索引。实际上，大多数的pivot_table参数可以通过列表获取多个值。

可以看到，透视表比较智能，它已经开始通过将"city”、"education"和“workYear”列进行对应分组，来实现数据聚合和总结。那么现在，就让我们共同看一下数据透视表可以为我们做些什么吧。

为此，"companyId"和"positionId"列对于我们来说并没什么用。所以，通过利用利用“values”域显式地定义我们关心的列，就可以实现移除那些不关心的列。

"avgSalary"列会自动计算数据的平均值mean，但是我们也可以对该列元素进行计数或求和。要添加这些功能，使用aggfunc就很容易实现。

aggfunc可以包含很多函数，下面就让我们尝试一种方法，即使用numpy中的函数mean和len来进行计数。

如果我们想通过不同维度来分析薪资情况，那么变量"columns"将允许我们定义一个或多个列。

我认为pivot_table中一个令人困惑的地方是"columns（列）"和"values（值）“的使用。记住，变量"values” 它相当于Excel透视表里的数值，变量“columns” 它相当于Excel透视表里的列标签。

然而，聚合函数aggfunc最后是被应用到了变量"values"中你所列举的项目上。

然而，非数值（NaN）有点令人分心。如果想移除它们，我们可以使用“fill_value”将其设置为0。

如果我想查看一些总和数据该怎么办呢？ “margins=True” 就可以帮我们实现这种功能。

一个很方便的特性是，为了对你选择的不同值执行不同的函数，你可以向aggfunc传递一个字典。不过，这样做有一个副作用，那就是必须将标签做的更加简洁才行。

此外，也可以提供一系列的聚合函数，并将它们应用到"values"中的每个元素上。

也许，同一时间将这些东西全都放在一起会有点令人望而生畏，但是一旦你开始处理这些数据，并一步一步地添加新项目，你将能够领略到它是如何工作的。一般的经验法则是，一旦你使用多个“grouby”，那么你需要评估此时使用透视表是否是一种更好的选择。

高级透视表过滤

一旦你生成了需要的数据，那么数据将存在于数据帧中。所以，你可以使用自定义的标准数据帧函数来对其进行过滤。
如果你只想查看其中一个城市（例如上海）的数据，可以这样：

我们可以查看所有本科和硕士学历的总薪资情况，代码如下所示：

这是pivot_table中一个很强大的特性，所以一旦你得到了你所需要的pivot_table格式的数据，就不要忘了此时你就拥有了pandas的强大威力。