小编给大家分享一下pandas中pivot_table()如何按日期分多列数据，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！
如下所示：
| date | 20170307 | 20170308 |
| iphone4 | 2 | 0 |
| iphone5 | 2 | 1 |
| iphone6 | 0 | 1 |
先生成DF数据。
计算
安全
数据库
网络和加速
企业服务
>>> df = pd.DataFrame.from_dict([['ip4','20170307',1],['ip4','20170307',1],['ip5','20170307',1],['ip5','20170307',1],['ip6','20170308',1],['ip5','20170308',1]])
>>> df.columns=['type','date','num']
>>>df type date num
0 ip4 20170307 1
1 ip4 20170307 1
2 ip5 20170307 1
3 ip5 20170307 1
4 ip6 20170308 1
5 ip5 20170308 1>>> pd.pivot_table(df,values='num',rows=['type'],cols=['date'],aggfunc=np.sum).fillna(0)操作一下就是实现结果。
注：这个函数的参数形式在0.13.x版本里有效，其他版本请参考相应文档。
从0.14.0开始，参数形式升级成pd.pivot_table(df,values='num',index=['type'],columns=['date'],aggfunc=np.sum).fillna(0)
以上是“pandas中pivot_table()如何按日期分多列数据”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注亿速云行业资讯频道！
亿速云「云服务器」，即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘，价格低至29元/月。点击查看>>
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。
