Python pandas :具有各自计数的数据透视表？

在使用 Pandas 进行数据分析时，数据透视表（pivot table）是一个非常有用的工具。它允许你对数据进行分组、聚合和总结。你可以使用 pivot_table 方法来创建数据透视表，并且可以通过 aggfunc 参数来指定聚合函数，例如计数（count）。

以下是一个详细的示例，展示如何使用 Pandas 创建一个具有各自计数的数据透视表。

示例数据

假设我们有一个包含销售数据的 DataFrame：

import pandas as pd

data = {
    'Date': ['2023-01-01', '2023-01-01', '2023-01-02', '2023-01-02', '2023-01-03'],
    'Product': ['A', 'B', 'A', 'B', 'A'],
    'Sales': [100, 150, 200, 250, 300]
}

df = pd.DataFrame(data)
print(df)

输出：

         Date Product  Sales
0  2023-01-01       A    100
1  2023-01-01       B    150
2  2023-01-02       A    200
3  2023-01-02       B    250
4  2023-01-03       A    300

创建数据透视表

我们希望创建一个数据透视表，显示每个日期和产品的销售数量。

pivot_table = pd.pivot_table(df, 
                             index='Date', 
                             columns='Product', 
                             values='Sales', 
                             aggfunc='count', 
                             fill_value=0)
print(pivot_table)

输出：

Product      A  B
Date              
2023-01-01   1  1
2023-01-02   1  1
2023-01-03   1  0

解释

index='Date'：将日期作为行索引。
columns='Product'：将产品作为列。
values='Sales'：我们感兴趣的值是销售数量。
aggfunc='count'：我们使用 count 作为聚合函数来计算每个组的数量。
fill_value=0：将缺失值填充为 0。

进一步的示例

假设我们还想计算每个日期和产品的销售总额和平均销售额。我们可以使用 aggfunc 参数传递一个字典来指定多个聚合函数。

pivot_table = pd.pivot_table(df, 
                             index='Date', 
                             columns='Product', 
                             values='Sales', 
                             aggfunc={'Sales': ['sum', 'mean', 'count']}, 
                             fill_value=0)
print(pivot_table)

输出：

          Sales              
              sum   mean count
Product        A    B    A    B    A  B
Date                                    
2023-01-01   100  150  100  150    1  1
2023-01-02   200  250  200  250    1  1
2023-01-03   300    0  300    0    1  0