Python案例如何用Pandas做数据透视

wen python案例 2026-07-15 1

Python案例实战：如何用Pandas做数据透视表（从入门到精通）

📚 目录导读

为什么需要数据透视？
Pandas pivot_table核心参数解析
案例1：销售数据多维分析
案例2：学生成绩交叉统计
案例3：电商用户行为透视
常见问题与性能优化
结语与进阶学习

为什么需要数据透视？

在做数据分析时,我们经常需要从不同维度观察数据，不同地区、不同月份的销售额”或者“不同班级、不同科目的平均分”，Excel中的数据透视表功能强大，而Python的Pandas库提供了更灵活的pivot_table方法。

Python案例如何用Pandas做数据透视

❓Q&A

Q：数据透视和普通分组有啥区别？
A：普通分组（groupby）只能按单一维度计算，而pivot_table支持行、列、数值三维交叉分析，并自动处理缺失值。

Pandas pivot_table核心参数解析

pandas.pivot_table(data, values, index, columns, aggfunc, fill_value, margins, margins_name)

参数	作用	必填
`data`	DataFrame对象	是
`values`	要计算的数值列	是
`index`	行索引（分组维度）	是
`columns`	列维度（可选）	否
`aggfunc`	聚合函数（默认mean）	否
`fill_value`	填充缺失值	否
`margins`	是否显示总计	否

❓Q&A

Q：aggfunc可以用哪些函数？
A：支持'sum', 'mean', 'count', 'max', 'min', 'std', 'median'，甚至自定义函数，注意：如果传入字符串需用引号。

案例1：销售数据多维分析

假设我们有300条模拟销售数据（公司内部系统导出），包含字段：订单日期, 区域, 产品类别, 销售额。

步骤1：导入数据

import pandas as pd
import numpy as np
# 模拟销售数据（实际使用时替换为真实CSV）
np.random.seed(42)
dates = pd.date_range('2024-01-01', periods=300, freq='D')
data = {
    '日期': np.random.choice(dates, 300),
    '区域': np.random.choice(['华东', '华南', '华北', '西南'], 300),
    '产品': np.random.choice(['手机', '电脑', '平板', '耳机'], 300),
    '销售额': np.random.uniform(100, 5000, 300).round(2)
}
df = pd.DataFrame(data)

步骤2：创建基本透视表

# 分析：不同区域、不同产品的总销售额
pivot1 = pd.pivot_table(
    df,
    values='销售额',
    index='区域',
    columns='产品',
    aggfunc='sum',
    fill_value=0
)
print("各区域产品销售额透视表：")
print(pivot1)

输出效果（示例）：

产品       耳机         电脑         平板         手机
区域                                                    
华东  23456.78  34567.89  45678.90  56789.01
华南  32109.87  21098.76  10987.65  98765.43
...

步骤3：添加时间维度

# 按月份和区域分析销售额
df['月份'] = df['日期'].dt.month
pivot2 = pd.pivot_table(
    df,
    values='销售额',
    index='月份',
    columns='区域',
    aggfunc='mean',
    margins=True,
    margins_name='总计'
)
print("\n按月-区域平均销售额（含总计）：")
print(pivot2)

❓Q&A

Q：为什么我的结果全是NaN？
A：检查values列是否有缺失值，或aggfunc选择不当，用fill_value=0填充后，就可以看到完整表格。

案例2：学生成绩交叉统计

假设有学校教务系统导出的成绩表：班级, 科目, 姓名, 成绩。

步骤1：实战数据准备

# 模拟学生成绩数据
classes = ['A班', 'B班', 'C班']
subjects = ['语文', '数学', '英语']
students = [f'学生{i}' for i in range(1, 31)]
df_grade = pd.DataFrame({
    '班级': np.random.choice(classes, 90),
    '科目': np.random.choice(subjects, 90),
    '姓名': np.random.choice(students, 90),
    '成绩': np.random.randint(60, 100, 90)
})

步骤2：多级索引透视

# 透视：班级为行，科目为列，显示平均分和最高分
pivot_grade = pd.pivot_table(
    df_grade,
    values='成绩',
    index=['班级'],      # 行索引
    columns=['科目'],     # 列索引
    aggfunc={'成绩': ['mean', 'max']},  # 同时计算均值和最大值
    fill_value=0
)
print("\n学生成绩透视（双聚合）：")
print(pivot_grade)

步骤3：优化显示格式

# 重命名列层级
pivot_grade.columns = ['_'.join(col).strip() for col in pivot_grade.columns.values]
pivot_grade.columns = ['语文均分', '语文最高', '数学均分', '数学最高', '英语均分', '英语最高']
print("\n优化后：")
print(pivot_grade)

❓Q&A

Q：不同聚合函数可以分列指定吗？
A：可以！如本案例所示，aggfunc传入字典即可为不同值列指定不同函数（虽然这里都是成绩列，但写法通用），但注意字典的key要匹配values参数。

案例3：电商用户行为透视

假设有电商平台订单表：用户ID, 购买月份, 订单金额, 是否会员。

# 模拟电商数据
df_shop = pd.DataFrame({
    '用户ID': np.random.randint(1001, 1101, 500),
    '购买月份': np.random.choice(['1月','2月','3月','4月'], 500),
    '订单金额': np.random.uniform(50, 500, 500).round(2),
    '是否会员': np.random.choice(['是','否'], 500, p=[0.6,0.4])
})

实战：会员与非会员的消费对比

pivot_shop = pd.pivot_table(
    df_shop,
    values='订单金额',
    index=['购买月份'],
    columns=['是否会员'],
    aggfunc=['count', 'mean', 'sum'],
    margins=True,
    margins_name='汇总'
)
print("\n会员与非会员消费行为透视：")
print(pivot_shop)

❓Q&A

Q：如果columns参数有多个值怎么处理？
A：传入列表即可生成多层列索引，例如columns=['是否会员','购买月份']就会先生成会员分类，再内嵌月份。

常见问题与性能优化

❓Q&A

Q：数据量很大（百万级）时卡顿怎么办？
A：建议按此优先顺序优化：

先过滤不必要的数据（df[df['字段'] > 阈值]）
用categorical类型优化分类变量内存
考虑分块处理（chunksize参数）
改用crosstab（专门处理频率统计，速度更快）

Q：pivot和pivot_table有什么区别？
A：pivot要求数据必须唯一（无重复），否则报错；pivot_table自动处理重复值（按聚合函数计算），日常数据分析应优先使用pivot_table。

小技巧：透视表转Excel美化

# 将透视结果保存到带格式的Excel
with pd.ExcelWriter('report.xlsx', engine='xlsxwriter') as writer:
    pivot.to_excel(writer, sheet_name='透视结果')
    workbook = writer.book
    worksheet = writer.sheets['透视结果']
    # 添加条件格式（突出大于5000的单元格）
    worksheet.conditional_format('B2:Z100', {'type': 'cell', 'criteria': '>', 'value': 5000, 'format': workbook.add_format({'bg_color': '#FFC7CE'})})

结语与进阶学习

通过以上三个真实场景案例,能看到Pandas数据透视不仅能快速生成报表，还能通过参数灵活组合实现复杂分析，建议将以下资料加入收藏夹：

Pandas官方文档（pandas.pydata.org）的pivot_table部分
《利用Python进行数据分析》第9章
开源项目：pandas-profiling（自动生成探索性分析报告）

先理解业务需求，再设计透视表的行、列、值三维结构，当你面对杂乱的数据时，不妨先用df.info()查看数据类型，再通过df.describe()初步了解分布，最后用透视表深入挖掘规律。

最后留一个练习：找一份真实的数据集（比如Kaggle上的超市销售数据），尝试用pivot_table分析“不同支付方式在周末与工作日的销售额差异”，你会得到意想不到的业务洞察。