python - `pd.pivot_table` 和 `pd.DataFrame.groupby` + `pd.DataFrame.unstack` 之间是否完全重叠？

Question

(请注意这里有一个问题 Pandas: group by and Pivot table difference ，但是这个问题是不同的。)

假设您从一个 DataFrame 开始

df = pd.DataFrame({'a': ['x'] * 2 + ['y'] * 2, 'b': [0, 1, 0, 1], 'val': range(4)})
>>> df
Out[18]: 
   a  b  val
0  x  0    0
1  x  1    1
2  y  0    2
3  y  1    3

现在假设您要创建索引a、列b、单元格中的值val，并指定要执行的操作如果结果单元格中有两个或更多值:

b  0  1
a      
x  0  1
y  2  3

然后你可以通过

df.val.groupby([df.a, df.b]).sum().unstack()

或通过

pd.pivot_table(df, index='a', columns='b', values='val', aggfunc='sum')

所以在我看来，两者之间的对应关系之间存在简单的对应关系(给定一个，您几乎可以编写一个脚本将其转换为另一个)。我还想到了具有层次索引/列的更复杂的情况，但我仍然看不出有什么区别。

我错过了什么吗？

• 是否存在可以使用一个而不是另一个来执行的操作？

• 有没有一种操作比另一种更容易执行？

• 如果不是，为什么不弃用 pivot_tale？ groupby 似乎更通用。

Answer 1

如果我正确理解了 pivot_table(index, columns, values, aggfunc) 的源代码，那么它的调整等同于:

df.groupby([index + columns]).agg(aggfunc).unstack(columns)

加上:

• 边距(小计和总计为 @ayhan has already said )
• pivot_table() 还从列轴中删除额外的多级(参见下面的示例)
• 方便的 dropna 参数:不包括条目全部为 NaN 的列

演示:(我从文档字符串 [pivot_table() 的源代码] 中获取了这个 DF])

In [40]: df
Out[40]:
     A    B      C  D
0  foo  one  small  1
1  foo  one  large  2
2  foo  one  large  2
3  foo  two  small  3
4  foo  two  small  3
5  bar  one  large  4
6  bar  one  small  5
7  bar  two  small  6
8  bar  two  large  7

In [41]: df.pivot_table(index=['A','B'], columns='C', values='D', aggfunc=[np.sum,np.mean])
Out[41]:
          sum        mean
C       large small large small
A   B
bar one   4.0   5.0   4.0   5.0
    two   7.0   6.0   7.0   6.0
foo one   4.0   1.0   2.0   1.0
    two   NaN   6.0   NaN   3.0

注意顶层列:D

In [42]: df.groupby(['A','B','C']).agg([np.sum, np.mean]).unstack('C')
Out[42]:
            D
          sum        mean
C       large small large small
A   B
bar one   4.0   5.0   4.0   5.0
    two   7.0   6.0   7.0   6.0
foo one   4.0   1.0   2.0   1.0
    two   NaN   6.0   NaN   3.0

why not deprecate pivot_tale? groupby seems much more general.

IMO，因为它非常易于使用且非常方便!;)