pivot_table aggfunc函数

pivot_table中的aggfunc函数是用来指定聚合函数的参数，用于对数据进行聚合计算。常见的聚合函数包括sum、mean、count、max、min等。在pivot_table中，aggfunc函数可以接受一个函数或者函数列表作为参数，用于对数据进行聚合计算。例如，可以使用aggfunc=sum来计算数据的总和，使用aggfunc=mean来计算数据的平均值。同时，aggfunc函数还可以接受一个字典作为参数，用于对不同的列应用不同的聚合函数。

相关问题

pivot_table aggfunc 统计个数函数怎么写

您可以使用 count 函数来统计个数。例如，对于一个名为 df 的数据框，需要按照列 col1 和 col2 进行分组，然后统计 col3 中每个组的个数，代码如下：

df.pivot_table(index=['col1', 'col2'], values='col3', aggfunc='count')

其中，index 参数指定按照哪些列进行分组，values 参数指定需要统计的列，aggfunc 参数指定使用 count 函数进行统计。

dataframe的pivot_table的aggfunc想返回原值

如果想保留原值，可以将aggfunc设置为lambda函数，直接返回原值，例如：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'A': ['foo', 'foo', 'bar', 'bar', 'foo', 'foo', 'bar', 'bar'],
    'B': ['one', 'one', 'one', 'two', 'two', 'two', 'two', 'one'],
    'C': [1, 2, 3, 4, 5, 6, 7, 8],
    'D': [10, 20, 30, 40, 50, 60, 70, 80]
})

pivot_table = pd.pivot_table(df, values=['C', 'D'], index=['A', 'B'], aggfunc=lambda x: x)
print(pivot_table)

输出结果：

         C                      D
       one       two        one       two
A   B                                    
bar one  3       NaN       30.0       NaN
    two  NaN  7.000000        NaN  55.000000
foo one  1  2.000000       10.0  20.000000
    two  5  6.000000       50.0  60.000000

可以看到，aggfunc返回的是原值。