Pandas Pivot Table() – Daten in großen Mengen mit Python transponieren

Pandas „pivot_table()“ ist äußerst leistungsfähig für Entwickler, um die Daten zu manipulieren, z. B. Datenvisualisierung, Dateninventur, API-Entwicklung usw. Bei der Dashboard-Entwicklung oder Datenvisualisierung ist die Übertragung spezifischer Datenziele von der Spaltenreihenfolge auf die Zeilenreihenfolge sehr üblich. In diesem Artikel werde ich daher in einer Sekunde erläutern, wie man mit Pandas Pivot_table() und Python bestimmte Daten in großen Mengen transponiert

Zutaten zur Datentransponierung mit Pandas Pivot table() und Python

Python3, Pandas, Google Sheet API (optional), Microsoft Excel (optional)

Inhaltsverzeichnis

• Pivot_table()
• Zusammengesetzte durchschnittliche Wachstumsrate
• Vollständiges Python-Skript der CAGR-Transponierung der Aktiengesellschaft mit Pivot_table()

Pivot_table()

Pivot-Tabelle ist kein seltsamer Begriff, denn die meisten Leute hören ihn von Microsoft Excel. In Pandas funktioniert es ähnlich und ist auch sehr leistungsfähig, um Daten zu manipulieren, die auf mehrere Bereiche angewendet werden können, wie z. B. API-Daten, KI-Algorithmen usw.

Es gibt eine lange Liste von Parametern, die es Benutzern ermöglichen, diese bei der Anwendungsentwicklung zu verwenden und anzuwenden. In diesem Artikel nehme ich die CAGR-Berechnung einer Aktiengesellschaft als Beispiel. Die Rohdaten ähneln dem unten aufgeführten Bild, in dem jedes Aktiensymbol den Jahresumsatz der letzten 5 Jahre aufweist, die jährliche Leistung jedoch in einem Spaltenformat angeordnet ist.

Ich werde Tausende von Datenzeilen in einer Sekunde mit 4 Parametern wie folgt in eine horizontale Ansicht umsetzen:

• Index
• Wert
• Säulen
• aggfunc

Denkablauf zur Datenmanipulation mit Pandas Pivot_table

Abc = df.pivot_table(index='Symbol', columns='Year', values='Revenue',aggfunc='first')

Als Erstes müssen wir dem System mitteilen, dass wir einen Schlüssel oder einen Index ausgewählt haben. Die restlichen Daten, die diesem Schlüssel folgen, werden transponiert.

Index: Spalte, Grouper, Array oder Liste der vorherigen

Wenn ein Array übergeben wird, muss es die gleiche Länge wie die Daten haben. Die Liste kann alle anderen Typen enthalten (außer der Liste). Schlüssel zum Gruppieren nach dem Pivot-Tabellenindex. Wenn ein Array übergeben wird, wird es auf die gleiche Weise wie Spaltenwerte verwendet.

Basierend auf der Definition des Indexparameters sollten wir das Symbol eingeben, da der eindeutige Schlüssel das Symbol der Aktiengesellschaft ist. Menschen verwenden nur diesen Schlüssel, um die zugehörigen Daten abzurufen.

Spalte: Spalte, Grouper, Array oder Liste der vorherigen

Der Spaltenparameter ähnelt dem Index, aber die Spalte ist keine eindeutige Liste oder ein eindeutiges Array. Daher würden wir hier die Jahresliste ausfüllen, weil wir sie gerne von Spalte zu Zeile transponieren.

Werte: Spalte zum Aggregieren, optional

Ohne ein Double sollten wir hier den Umsatzdatensatz ausfüllen, da es sich um den Basisdatensatz zur Berechnung der CAGR jedes Symbols handelt.

Aggfunc: Funktion, Liste der Funktionen, dict, Standard numpy.mean

Dieser Parameter ist ein Muss, wenn der Indexschlüssel mehr als einen hat, was das System leicht zu der falschen Annahme verleiten kann, dass der Datensatz doppelte Schlüssel enthält. Der Nachschlüssel ist nicht zulässig. Dieser Parameter sagt also, dass Sie bitte der ersten Tonart, die Sie im Transponierungsprozess treffen, dieselbe Tonart zuweisen.

aggfunc='first'

Vollständiges Python-Skript der CAGR der Aktiengesellschaft, umgesetzt mit Pivot_table()

Wenn Sie an den vollständigen Python-Skripten von Pandas Pivot Table() interessiert sind – Daten in Spaltenreihenfolge in großen Mengen mit Pandas und Python in horizontale eins umwandeln, Bitte abonnieren Sie unseren Newsletter , indem Sie die Nachricht „ Pandas Pivot Table() zum Transponieren “ hinzufügen. . Wir senden Ihnen das Skript umgehend in Ihr Postfach.

Ich wünsche Ihnen viel Spaß beim Lesen von Pandas Pivot Table() – Transponieren Sie Daten in Spaltenreihenfolge in großen Mengen mit Pandas und Python in eine horizontale. Wenn ja, unterstützen Sie uns bitte, indem Sie eine der unten aufgeführten Maßnahmen ergreifen, da dies unserem Kanal immer weiterhilft.

• Unterstützen Sie unseren Kanal und spenden Sie über PayPal ( paypal.me/Easy2digital )
• Abonnieren Sie meinen Kanal und aktivieren Sie die Benachrichtigungsglocke des Easy2Digital-Youtube-Kanals .
• Folgen und liken Sie meine Easy2Digital-Facebook-Seite
• Teilen Sie den Artikel in Ihrem sozialen Netzwerk mit dem Hashtag #easy2digital
• Sie melden sich für unseren wöchentlichen Newsletter an, um die neuesten Artikel, Videos und Rabattcodes von Easy2Digital zu erhalten
• Abonnieren Sie unsere monatliche Mitgliedschaft über Patreon, um exklusive Vorteile zu genießen ( www.patreon.com/louisludigital )