Panda's: hoe u een draaitabel maakt met een som van waarden
U kunt de volgende basissyntaxis gebruiken om een draaitabel in panda’s te maken die de som van de waarden in bepaalde kolommen weergeeft:
p.d. pivot_table (df, values=' col1 ', index=' col2 ', columns=' col3 ', aggfunc=' sum ')
Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.
Voorbeeld: Maak een Pandas-draaitabel met een som van waarden
Stel dat we het volgende panda’s DataFrame hebben dat informatie bevat over verschillende basketbalspelers:
import pandas as pd #createDataFrame df = pd. DataFrame ({' team ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'], ' position ': ['G', 'G', 'F', 'F', 'G', 'F', 'F', 'F'], ' points ': [4, 4, 6, 8, 9, 5, 5, 12]}) #view DataFrame print (df) team position points 0 AG 4 1 GA 4 2 AF 6 3AF 8 4 BG 9 5 BF 5 6 BF 5 7 BF 12
De volgende code laat zien hoe u in panda’s een draaitabel maakt die de som van de „punt“-waarden weergeeft voor elk „team“ en „positie“ in het DataFrame:
#create pivot table
df_pivot = pd. pivot_table (df, values=' points ', index=' team ', columns=' position ',
aggfunc=' sum ')
#view pivot table
print (df_pivot)
FG position
team
At 14 8
B 22 9
Uit het resultaat kunnen we zien:
- Spelers van team A op positie F scoorden in totaal 14 punten.
- Spelers van team A op positie G scoorden in totaal 8 punten.
- Spelers van team B op positie F scoorden in totaal 22 punten.
- Spelers van team B op positie G scoorden in totaal 9 punten.
Merk op dat we ook het argument marges kunnen gebruiken om margesommen in de draaitabel weer te geven:
#create pivot table with margins
df_pivot = pd. pivot_table (df, values=' points ', index=' team ', columns=' position ',
aggfunc=' sum ', margins= True , margins_name=' Sum ')
#view pivot table
print (df_pivot)
position FG Sum
team
A 14 8 22
B 22 9 31
Total 36 17 53
De draaitabel geeft nu rij- en kolomsommen weer.
Opmerking : u kunt hier de volledige documentatie van de pandas pivot_table() -functie vinden.
Aanvullende bronnen
In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende bewerkingen in panda’s kunt uitvoeren:
Panda’s: hoe u het DataFrame kunt hervormen van lang naar breed
Panda’s: hoe u het DataFrame kunt hervormen van breed naar lang
Panda’s: hoe te groeperen en aggregeren over meerdere kolommen