实战Kaggle泰坦尼克数据集，玩转Pandas透视表 | 强烈推荐

数据透视表（Pivot Table）是常用的数据汇总工具，可以通过控制数据的排列灵活地进行数据分析，进而挖掘出数据中最有价值的信息。掌握数据透视表，已经成为数据分析从业者必备的一项技能。

在python中我们可以通过pandas.pivot_table函数来实现数据透视表的功能。本篇文章介绍了pandas.pivot_table具体的使用方法，在最后还准备了一个备忘单，希望能够帮助你记住如何使用pandas的pivot_table。

本文结构

1. 实例数据加载及预处理

本文采用kaggle赛题”泰坦尼克号“中的数据，案例背景是，船要沉了，我们根据各种影响因素，判断船上成员的存活率，比如头等舱的人存活率是不是会更高呢？或者女人比男人活下来的概率更高呢？

主要字段的含义如下：

2. 第一个透视表

可见女性的存活率很高，说明当时船上的男人们还是很绅士的哈哈~~

参数说明：

• df是要传入的数据；

• index是 Values to group by in the rows，也就是透视表建立时要根据哪些字段进行分组，我们这里只依据性别分组；

• values是指对哪些字段进行聚合操作，因为我们只关心不同性别下的存活率情况，所以values只需要传入一个值"survived"；

• 将所有乘客按性别分为男、女两组后，对"survived"字段开始进行聚合，默认的聚合函数是"mean"，也就是求每个性别组下所有成员的"survived"的均值，即可分别求出男女两组各自的平均存活率。

3. 添加列索引

可以发现，无论是男性还是女性，客票级别越高的，存活率越高。

4. 多级行索引

添加一个行级索引"pclass"后，现在透视表具有二层行级索引，一层列级索引。仔细观察透视表发现，与上面【3】中的"添加一个列级索引"，在分组聚合效果上是一样的，都是将每个性别组中的成员再次按照客票级别划分为3个小组。

不同点就在于，看你是想让表格的行数多一点，还是想让列数多一点~~

5. 多级列索引

添加两层列级索引后，分析透视表，可以发现，一级客票的成年女性存活率高达97.5%，存活率最低的是三级客票的未成年男孩。

当然，行索引和列索引都可以再设置为多层，不过，行索引和列索引在本质上是一样的，大家需要根据实际情况合理布局。

6. 添加多个聚合列

可以发现，船票级别越高，票价越高，存活率也越高。。。

需要注意的是，如果不传入values参数，将对除index和columns之外的所有剩余列进行聚合。

7. 自定义聚合函数

聚合函数支持常见的统计函数，如"mean", "sum", count, np.mean, np.std, np.corr等，支持字符串等多种格式。

• 如果传入参数为list，则每个聚合函数对每个列都进行一次聚合。

• 如果传入参数为dict，则每个列仅对其指定的函数进行聚合,此时values参数可以不传。

   示例如下：

8. 添加汇总项

9. 保存透视表

数据分析的劳动成果最后当然要保存下来了，我们一般将透视表保存为excel格式的文件，如果需要保存多个透视表，可以添加到多个sheet中进行保存

excel保存格式如下：

10. 备忘单

为了试图总结所有这一切，本文创建了一个备忘单，希望它能够帮助你记住如何使用pandas的pivot_table。

本篇文章来源于: 菜鸟学Python