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

如果想返回原值，可以使用numpy的identity函数作为aggfunc的参数，例如：

import numpy as np
import pandas as pd

df = pd.DataFrame({
    'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
    'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
    'C': np.random.randn(8),
    'D': np.random.randn(8)
})

table = pd.pivot_table(df, values=['C', 'D'], index=['A'], columns=['B'], aggfunc=np.identity)
print(table)

输出结果为：

         C                                          D                      \
B      one       three       two       one     three       two       one   
A                                                                           
bar   0.00   0.000000  0.000000 -0.183689 -1.505717 -1.828454 -0.423514   
foo   1.31   0.000000  0.223218 -0.999874  0.000000  1.089636 -0.723494   

                        
B       three       two  
A                       
bar  -0.394190 -0.296186  
foo   0.270786 -1.251657  

可以看到，aggfunc返回的值就是原始值，因为identity函数会返回输入的值本身。