pivot_table untuk Jadual Silang
Meringkaskan merentasi dua dimensi
pivot_table untuk Jadual Silang ialah pelajaran Data Science Academy percuma di CoddyKit. Ini ialah pelajaran 2 daripada 4. Anda boleh membaca keseluruhan pelajaran di bawah secara percuma — kemudian berlatih secara praktikal dalam pelayar menggunakan penyunting kod terbina dalam dan tutor kecerdasan buatan 24/7. Pelajaran ini merupakan sebahagian daripada laluan pembelajaran Data Science Academy, dan kemajuan anda disegerakkan merentas web serta aplikasi CoddyKit. Kursus Data Science Academy merangkumi sejumlah 4 pelajaran.
Daripada Baris Panjang kepada Grid
Apabila anda mahukan ringkasan mengikut kategori, pivot_table menukar baris panjang yang kemas kepada grid dua dimensi yang tersusun. 🔄
Tiga Argumen Utama
Setiap jadual pivot memerlukan tiga peranan: lajur yang menjadi index, lajur yang menjadi lajur, dan nilai yang mengisi sel.
df.pivot_table(index='region',
columns='month',
values='sales')Ia Mengagregat Secara Lalai
Jika beberapa baris jatuh ke dalam sel yang sama, pivot_table akan mempuratakan nilainya. aggfunc lalai ialah min, bukan sekadar menyalin nilai.
Pilih Pengagregatan Anda
Tukarkan pengiraan dengan aggfunc. Gunakan sum untuk jumlah, count untuk kiraan, atau max untuk mencari nilai puncak bagi setiap sel.
df.pivot_table(index='region',
values='sales',
aggfunc='sum')Pelbagai Pengagregatan Sekali Gus
Hantar senarai kepada aggfunc untuk mendapatkan beberapa ringkasan bersama-sama. Satu panggilan boleh mengembalikan kedua-dua min dan kiraan secara bersebelahan.
df.pivot_table(values='sales',
aggfunc=['mean', 'count'])Mengisi Sel Kosong
Gabungan yang tiada akan muncul sebagai NaN. Tetapkan fill_value untuk menggantikan ruang kosong tersebut dengan sifar atau nilai lalai yang munasabah.
df.pivot_table(index='region',
columns='month',
fill_value=0)Tambah Jumlah Baris dan Lajur
Tetapkan margins kepada True dan pivot_table akan menambah baris serta lajur All dengan jumlah keseluruhan di sekeliling tepi.
df.pivot_table(index='region',
margins=True)Kumpulkan Mengikut Beberapa Kunci
Hantar senarai kepada index atau columns untuk menyusun kategori secara bertingkat. Hasilnya memperoleh MultiIndex yang menyusun kumpulan dengan kemas.
df.pivot_table(index=['region', 'store'],
values='sales')pivot berbanding pivot_table
pivot biasa memerlukan pasangan index-lajur yang unik dan tidak boleh melakukan pengagregatan. Gunakan pivot_table apabila pendua mungkin muncul.
Membaca Jadual Silang
Dalam hasil tersebut, cari sel berdasarkan label baris dan label lajurnya untuk membaca gabungan kategori yang tepat dengan sekali imbas.
Kembali kepada Jadual Rata
Hasil pivot masih merupakan satu DataFrame. Panggil reset_index untuk meratakan labelnya kembali menjadi lajur biasa bagi pengeksportan.
summary.reset_index()Semakan Ringkas
Mari semak gerak balas anda terhadap pivot_table.
Ringkasan: Jadual Silang Dipermudah
Anda telah membina grid menggunakan index, columns, values dan aggfunc. Seterusnya, anda akan beralih arah dan menukar data lebar kembali kepada format panjang dengan melt. 🎯
Pelajari Python dengan tutor kecerdasan buatan — percuma
Tulis dan jalankan kod sebenar dalam pelayar anda, dapatkan bantuan segera daripada tutor kecerdasan buatan yang tersedia 24/7, dan sambung semula dari tempat anda berhenti di web atau dalam aplikasi.
- Kursus
- 30
- Pelajaran
- 120
Soalan Lazim
Adakah pelajaran “pivot_table untuk Jadual Silang” percuma?
Ya — teks penuh “pivot_table untuk Jadual Silang” boleh dibaca secara percuma di web ini. Untuk berlatih secara interaktif menggunakan penyunting kod terbina dalam dan tutor kecerdasan buatan 24/7, serta membuka kunci baki kursus Data Science Academy, tingkat taraf kepada CoddyKit PRO. Kursus Data Science Academy merangkumi sejumlah 4 pelajaran.
Apakah yang akan saya pelajari dalam “pivot_table untuk Jadual Silang”?
Meringkaskan merentasi dua dimensi Anda berlatih Data Science Academy menggunakan kod praktikal yang dijalankan terus dalam pelayar, manakala tutor kecerdasan buatan 24/7 menjawab soalan anda semasa anda mengikuti pelajaran.
Adakah saya memerlukan pengalaman untuk memulakan Data Science Academy?
Tiada pengalaman terdahulu diperlukan. Pembelajaran Data Science Academy di CoddyKit disusun untuk pelajar daripada peringkat pemula hingga lanjutan, jadi anda boleh bermula di sini atau dari awal dan belajar mengikut kadar anda sendiri. Ini ialah pelajaran 2 daripada 4.
Berapa lamakah pelajaran “pivot_table untuk Jadual Silang” diambil?
Kebanyakan pelajaran CoddyKit mengambil masa kira-kira 5–10 minit. Setiap pelajaran ringkas dan interaktif, jadi anda boleh membuat kemajuan secara berterusan dan menyambung tepat dari tempat anda berhenti di web atau aplikasi.
Bolehkah saya menulis dan menjalankan kod dalam pelajaran Data Science Academy ini?
Ya. Setiap pelajaran Data Science Academy menyertakan penyunting kod terbina dalam, jadi anda boleh menulis dan menjalankan kod sebenar terus dalam pelayar serta menerima maklum balas kecerdasan buatan serta-merta — tanpa memerlukan persediaan setempat.
Semua pelajaran dalam kursus ini
- Lebar berbanding Panjang dan Data Kemas
- pivot_table untuk Jadual Silang
- melt untuk Menjadikannya Panjang
- stack, unstack dan MultiIndex