Tabela obrotowa pandy

Python zapewnia wiele bibliotek do wykonywania różnych zadań. „Pandy” to także biblioteka Pythona. Korzystamy z tej biblioteki do manipulowania i analizowania danych. Możemy łatwo zaprojektować ramkę danych w „Pandy”. Projektujemy również również „tabele obrotowe”, wykorzystując funkcje „pandy”. Tabela obrotowa jest cechą arkuszy kalkulacyjnych, które umożliwiają różne aranżacje tabel dla różnych perspektyw identycznych danych. Interaktywną techniką podsumowania ogromnej objętości danych jest „Tabela obrotowa”. Metoda „PIVOT_TABLE ()” „Pandy” pomaga nam w projektowaniu tabel obrotowych, wykorzystując dane z ramek danych. Możemy ustawić jego indeks, kolumny i wartości w metodzie „PIVOT_TABLE ()” zgodnie z naszym wyborem lub potrzebą. Możemy również zastosować funkcje agregacji do tych Pivot_tables w „Pandy”. W tym samouczku utworzymy tabelę obrotu, wykorzystując metodę „PIVOT_TABLE ()” i szczegółowo wyjaśnimy tę „tabelę obrotową”.

Składnia

Najpierw dodajemy nazwę DataFrame, której dane chcemy wykorzystać w tabeli obrotowej. Następnie w wartościach dodajemy nazwy tych kolumn, które chcemy dostosować jako wartości tabeli obrotowej. Następnie wstawiamy nazwy kolumn w ramce danych, którą chcemy ustawić jako indeks tabeli obrotowej. Teraz, w kolumnach, ustawiamy nazwy kolumn, które chcemy dostosować jako nazwy kolumn tabeli obrotu. Następnie możemy również dodać do niej funkcję agregacji. Teraz wykonamy kod „pandy” i pokażemy tworzenie tabeli obrotowej w naszych kodach. Spójrzmy na poniższe przykłady.

Przykład 01

Rozpoczynamy ten przykład od umieszczenia „importu” do importowania modułów „pandy” w aplikacji „Spyder”. Umieszczamy „Pandy jako PD” po słowach kluczowych „importu”. Importujemy również inną bibliotekę, która jest „numpy” w ten sam sposób. Umieszczamy „import”, a następnie dodajemy „Numpy jako NP”, więc pomoże nam to uzyskać dostęp do metod biblioteki „Numpy”. Po zaimportowaniu obu bibliotek idziemy w kierunku tworzenia ramki danych. Rama danych nazywana jest „wydatkiem_df”, a następnie używamy metody „pand” „PD.DataFrame () ”, więc pomaga nam w tworzeniu ramki danych.

Dane, które dodajemy do „wydatków_df”, zawierają trzy kolumny, które są nazwane „Exp_id, koszt_type i pieniądze”. Dane, które dodajemy do „Exp_id” to „E1, E2, E3, E4, E5 i E6”. Następnie, w „Cightens_Type”, umieszczamy: „Mieszkalnictwo, rozrywka, transport, żywność, rachunki i podatki”. Ostatnia kolumna to kolumna „Money”, którą dodajemy: „1500 USD, 1200 USD, 200 USD, 3000 USD, 5000 USD i 2000 USD”. Teraz po prostu wyświetlamy ten „koszty_df za pomocą„ print () ”. Rama danych jest tworzona i wyświetlana. Nie użyliśmy jeszcze metody „PIVOT_TABLE ()”. Najpierw pokażemy tę strumień danych. Następnie stosujemy metodę „PIVOT_TABLE ()” również w tym przykładzie.

Otrzymujemy wynik tego kodu w aplikacji „Spyder” za pomocą klawiszy „Shift+Enter”, a także możemy użyć ikony „Uruchom” tej aplikacji. Tylko w wyniku jest pokazana tutaj, a wszystkie dane są dodawane do tego ramki danych. Teraz zastosujemy metodę „PIVOT_TABLE” do tworzenia tabeli obrotowej za pomocą danych z tej formy danych.

Dodajemy te podane wiersze do powyższego kodu. Tutaj widać, że uzyskujemy dostęp do metody „PIVOT_TABLE ()” „Pandy” za pomocą „PD” z tą metodą. Następnie dodajemy nazwę DataFrame jako pierwszego parametru. Następnie, w „wartościach”, ustawiliśmy kolumnę „Money”, aby wyświetlała się jako wartości w komórkach tabeli obrotowej. W „indeksie” ustawiamy „exp_id”. Tak więc kolumna „exp_id” przekonwertuje na indeks tabeli obrotu. Dostosowujemy również „Wykres_Type” w „kolumnach”, aby wartości kolumny „Wykres_Type” pojawią się jako nazwy kolumn tabeli przestawnej.

Następnie stosujemy również funkcję agregacji „AGGFUNC” i ustawiamy ją na „NP. suma ”, która doda wartości. „Suma” jest funkcją biblioteki „Numpy”, którą otrzymujemy, umieszczając „NP”. Zapisaliśmy tę „tabelę obrotową” w zmiennej „Tabela” i dodaliśmy tę zmienną „Tabela” w „Drukuj” do wyświetlania.

Oto stół obrotowy. Zauważ, że „nazwy kolumn” tej tabeli obrotowej są wartościami kolumny „Wykres_typu”. „Indeks” tej tabeli obrotowej jest wartości „exp_id” danych, które utworzyliśmy powyżej. Ponadto „wartości”, które są dodawane w komórkach tej tabeli obrotowej, to wartości kolumny „Money” w ramce danych.

Przykład 02

Ponownie importujemy zarówno biblioteki „pandy”, jak i „Numpy” do generowania nowego kodu. Utworzymy tabelę obrotu po odczytaniu pliku CSV i konwersji danych pliku CSV w ramkę danych. Następnie użyj danych DataFrame do tworzenia tabeli obrotu. Spróbujmy, w jaki sposób tworzymy tabelę obrotu, wykorzystując dane z pliku CSV. Po zaimportowaniu bibliotek używamy metody „read_csv” „pandy”. Następnie dodaj do niego nazwę pliku CSV, który odczytuje dane tego pliku CSV i przechowuj te dane w postaci DataFrame w zmiennej „DF”.

Następnie drukujemy ten „DF”. Umieszczamy również metodę „Head (8)”, aby wyświetlała tylko pierwsze rzędy „8” DataFrame. Następnie używamy metody „PIVOT_TABLE ()”, w której wstawiamy nazwę DataFrame. Następnie umieszczamy dwa indeksy dla tabeli obrotowej, które są kolumnami „order_id i jednostki”. W „Wartości” umieszczamy kolumny „kwota” i „kraj”, aby były one dodane jako wartości tabeli obrotowej. W funkcji agregacji dodajemy „NP. SUM ”Funkcja. Ta tabela obrotu jest przechowywana w „Pivot_result”, a my również wyświetlaliśmy „Pivot_Result” za pomocą „print ()”.

Rzeka danych, a także tabela obrotu, jest renderowana w tym wyniku i możesz łatwo sprawdzić indeksy i wartości tabeli obrotowej. Wszystkie wartości i indeksy tabeli obrotowej są odpowiednio dostosowywane, ponieważ ustawiliśmy kod.

Przykład 03

Możemy również stworzyć tabelę obrotową z wieloma metodami agregacji. Tutaj projektujemy ramkę danych, a następnie utworzyliśmy tabelę obrotu, postępując zgodnie z tą samą metodą, którą już omówiliśmy. W metodzie „PIVOT_TABLE ()” dostosowujemy „emp_type” jako „indeks”. „EMP_PAY” jest ustawiony jako „wartości” tej tabeli obrotowej i dodajemy tutaj wiele funkcji agregacji i są to „suma, średnia i liczba”. Tak więc wszystkie te funkcje będą miały zastosowanie do wartości tabeli obrotu. Ten „PIVOT_TABLE ()” jest zapisywany w „wyniku”, a my drukujemy „wynik” również dla pokazywania tabeli obrotowej na terminalu.

Pokazane są tutaj oprawa danych, jak i tabela obrotu. W tabeli obrotowej możesz zauważyć, że trzy kolumny- „suma, średnia i liczba”- zawiera wynik po zastosowaniu tych funkcji do danych tabeli obrotu. Należy również zauważyć, że w kolumnie indeksu pisze te same wartości i nie duplikuje żadnej wartości indeksu tutaj.

Wniosek

W tym samouczku studiowaliśmy „stół obrotowy” w „Pandy”. Omówiliśmy, czym jest tabela obrotu, dlaczego wykorzystujemy tę tabelę obrotową i jak utworzyć tę tabelę obrotową w „Pandy”. Wyjaśniliśmy metodę, która jest metodą „PIVOT_TABLE ()”, która pomaga nam w tworzeniu „tabeli obrotowej” w „Pandy”, wykorzystując dane z ramki danych. Wykorzystaliśmy również tę metodę „PIVOT_TABLE ()” również w kodach „Pandy”. Zastosowaliśmy wiele funkcji agregacji w tej „tabeli obrotowej”. Opracowaliśmy również „tabelę obrotową” po przeczytaniu pliku CSV w tym samouczku.