标签：python 透视 emo Excel 用户 aggfunc value dropna

主要利用pandas包中的pd.pivot_table()函数。

male_emo=pd.pivot_table(emo,index='year',columns='emotion',values={'男用户','女用户'},aggfunc='sum',margins=True,fill_value='0',dropna=False)

emo–数据透视的基本表
index—数据透视表的行
colunms–数据透视表的列
values–数据透视表的值
aggfunc–对值进行的操作函数
fill_value–对空白处填充
dropna–是否删除缺失值，若为True,缺失值所在的行将全部删除
margins–是否显示合计列（行|列的总计值）

其中行、列、值、操作函数都可以设置多个。

male_emo=pd.pivot_table(emo,index='year',columns='emotion',values={'男用户','女用户'},aggfunc={'sum','mean','size'},margins=True,fill_value='0',dropna=False)

以上的用法默认对每一个value执行所有的操作函数，但当我们要对不同的value执行不同的操作函数时，

aggfunc={'男用户':'sum','女用户':'size'}

标签：python,透视,emo,Excel,用户,aggfunc,value,dropna
来源： https://blog.csdn.net/m0_54372993/article/details/122134142

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。