Question

（请注意，有一个问题Pandas: group by and Pivot table difference，但这个问题不同。）

假设您从DataFrame开始

df = pd.DataFrame({'a': ['x'] * 2 + ['y'] * 2, 'b': [0, 1, 0, 1], 'val': range(4)})
>>> df
Out[18]: 
   a  b  val
0  x  0    0
1  x  1    1
2  y  0    2
3  y  1    3

现在假设您要创建索引a，列b，单元格val中的值，并指定如果有两个或更多值的话，该怎么做结果细胞：

然后你可以通过

来做到这一点

df.val.groupby([df.a, df.b]).sum().unstack()

或通过

pd.pivot_table(df, index='a', columns='b', values='val', aggfunc='sum')

所以在我看来，两者之间的对应关系之间有一个简单的对应关系（给定一个，你几乎可以编写一个脚本将其转换为另一个）。我还想到了更复杂的层次索引/列的情况，但我仍然没有看到差异。

有什么我错过的吗？

是否可以使用one而不是其他操作执行操作？
或许，使用其中一种操作更容易执行操作吗？
如果没有，为什么不弃用pivot_tale？ groupby似乎更为笼统。

Answer 1

如果我正确理解了pivot_table(index, columns, values, aggfunc)的源代码，那么它的调整等效于：

df.groupby([index + columns]).agg(aggfunc).unstack(columns)

<强>加

边距（小计和总计为@ayhan has already said）
pivot_table()还会从列轴移除额外的多级别（请参阅下面的示例）
方便dropna参数：不包括条目全部为NaN

演示:(我从docstring [pivot_table()的源代码]中获取此DF）

In [40]: df
Out[40]:
     A    B      C  D
0  foo  one  small  1
1  foo  one  large  2
2  foo  one  large  2
3  foo  two  small  3
4  foo  two  small  3
5  bar  one  large  4
6  bar  one  small  5
7  bar  two  small  6
8  bar  two  large  7

In [41]: df.pivot_table(index=['A','B'], columns='C', values='D', aggfunc=[np.sum,np.mean])
Out[41]:
          sum        mean
C       large small large small
A   B
bar one   4.0   5.0   4.0   5.0
    two   7.0   6.0   7.0   6.0
foo one   4.0   1.0   2.0   1.0
    two   NaN   6.0   NaN   3.0

注意顶级栏目：D

In [42]: df.groupby(['A','B','C']).agg([np.sum, np.mean]).unstack('C')
Out[42]:
            D
          sum        mean
C       large small large small
A   B
bar one   4.0   5.0   4.0   5.0
    two   7.0   6.0   7.0   6.0
foo one   4.0   1.0   2.0   1.0
    two   NaN   6.0   NaN   3.0

为什么不弃用pivot_tale？ groupby似乎更为通用。

IMO，因为它非常易于使用且非常方便！ ;）

`pd.pivot_table`和`pd.DataFrame.groupby` +`pd.DataFrame.unstack`之间是否存在完全重叠？

1 个答案: