本篇文章给大家分享的是有关Python中怎么实现一个数据透视表，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。
1. 预览数据源
# 预览数据源 df
2. 计算每个年份的平均销售数量
# 计算每个年份的平均销售数量 pd.pivot_table(df, index = "年份", values = "销售数量" )
3. 计算每个年份的总销售数量
# 计算每个年份的总销售数量 pd.pivot_table(df, index = "年份", values = "销售数量" ,aggfunc = "sum")
4. 计算各个省份各种商品的总销售数量
# 计算各个省份各种商品的总销售数量 pd.pivot_table(df, index = "省份", columns = "商品", values = "销售数量" ,aggfunc = "sum")
5. 计算各个省份各种商品的总销售数量，将错误值强制显示为0
# 计算各个省份各种商品的总销售数量，将错误值强制显示为0
pd.pivot_table(df, index = "省份", columns = "商品", values = "销售数量" ,aggfunc = "sum").fillna("0")
6. 计算各个省份各种商品的总销售数量，将错误值强制显示为0.添加合计行与列
# 计算各个省份各种商品的总销售数量，将错误值强制显示为0.添加合计行与列
pd.pivot_table(df, index = "省份", columns = "商品", values = "销售数量" ,aggfunc = "sum",margins = True).fillna("0")
7. # 计算各个省份各种商品的总销售数量，将错误值强制显示为0.添加合计行与列，且给合计行重命名
# 计算各个省份各种商品的总销售数量，将错误值强制显示为0.添加合计行与列，且给合计行重命名
pd.pivot_table(df, index = "省份", columns = "商品", values = "销售数量" ,aggfunc = "sum",margins = True,margins_name = "合计").fillna("0")
以上就是Python中怎么实现一个数据透视表，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注亿速云行业资讯频道。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
