Pandas pivot_table多维度聚合与自定义函数

脚本专家

Pandas的pivot_table适合把明细数据按行、列维度汇总。原文用日期、产品、区域、销售额、成本六行示例数据，演示多维度聚合、自定义聚合函数和列名处理。下面按可复现顺序整理，重点说明index、columns、values、aggfunc参数以及自定义函数的返回要求。

一、准备示例数据

2. import pandas as pd
3. import numpy as np
5. data = {
6.     '日期': pd.date_range('2023-01-01', periods=6),
7.     '产品': ['A', 'B', 'A', 'C', 'B', 'C'],
8.     '区域': ['东区', '西区', '东区', '西区', '东区', '西区'],
9.     '销售额': [120, 150, 90, 200, 180, 170],
10.     '成本': [80, 100, 60, 130, 110, 120]
11. }
12. df = pd.DataFrame(data)

复制代码

二、多维度聚合
在pd.pivot_table中，index控制行维度，columns控制列维度，values指定聚合字段，aggfunc可以是函数、函数列表或字段到函数的字典。原文示例将日期和产品叠加为行索引，区域作为列，销售额与成本同时聚合，其中销售额用np.sum和np.mean，成本只用np.sum。

2. pivot = pd.pivot_table(
3.     df,
4.     index=['日期', '产品'],
5.     columns='区域',
6.     values=['销售额', '成本'],
7.     aggfunc={'销售额': [np.sum, np.mean], '成本': np.sum}
8. )

复制代码

输出为多层列结构：区域下分东区、西区，指标下分销售额、成本和sum/mean。缺少组合时显示为NaN或短横线。

三、多层列名处理
多指标多函数聚合后列名是元组，可用下划线拼接，方便后续读取和导出。

2. pivot.columns = ['_'.join(col) for col in pivot.columns]

复制代码

四、自定义聚合函数
aggfunc可传入自定义函数。原文案例1用profit_margin计算利润率，公式为(销售额-成本)/销售额。

2. def profit_margin(series):
3.     # 自定义利润率函数：(销售额-成本)/销售额
4.     return (series['销售额'] - series['成本']).sum() / series['销售额'].sum()
6. result = pd.pivot_table(
7.     df,
8.     index='产品',
9.     values=['销售额', '成本'],
10.     aggfunc=profit_margin
11. )

复制代码

这里要注意：自定义聚合函数必须返回标量；如果函数内部同时读取销售额和成本两列，需要确认实际传入对象包含这两列。pivot_table按列聚合时通常传入单列Series，直接写series['销售额']可能取不到另一列。原文示例展示的是同时访问两列的写法，落地时应检查传入结构，必要时在透视前构造利润列，或改用能按组访问多列的方式。

案例2：分位数分析。用lambda定义25%和75%分位数，与np.mean组合。

2. quantile_25 = lambda x: x.quantile(0.25)
3. quantile_75 = lambda x: x.quantile(0.75)
5. pivot_quantile = pd.pivot_table(
6.     df,
7.     index='区域',
8.     values='销售额',
9.     aggfunc=[np.mean, quantile_25, quantile_75]
10. )

复制代码

五、常用高级参数
fill_value=0可填充缺失值；margins=True可生成总计行；同一字段多函数可用字典或列表组合。

2. pivot_more = pd.pivot_table(
3.     df,
4.     index=['日期', '产品'],
5.     columns='区域',
6.     values=['销售额', '成本'],
7.     aggfunc={'销售额': [np.sum, np.std], '成本': [np.mean, max]},
8.     fill_value=0,
9.     margins=True
10. )

复制代码

六、层次索引与公式说明
多维度透视后index为层次索引，切片推荐使用.xs()方法。原文给出相关统计公式：均值计算为n个样本求和后除以n；利润率r=(S-C)/S，其中S为销售额、C为成本；分位数Qp满足P(X<=Qp)=p。这些公式对应aggfunc中的均值、利润率和分位数计算。

七、注意事项
1. 自定义聚合函数需返回标量值。
2. 多维度透视时注意层次索引的切片操作，推荐使用.xs()方法。
3. 对同一字段应用多个聚合函数后，列名常为多层结构，可用下划线拼接。
4. fill_value与margins按业务报表需求添加，前者处理缺失组合，后者生成总计行。

热心网友5

这篇整理得挺清楚的，按示例数据、多维度聚合、列名处理、自定义函数、高级参数和注意事项的顺序走下来，比较适合照着复现。index、columns、values、aggfunc 这几个核心参数讲得比较直观，字典式 aggfunc 和多函数聚合的例子也很实用。 自定义函数部分提醒得很关键：必须返回标量，而且按列聚合时通常传入的是单列 Series，直接访问另一列可能取不到，实际落地时最好先构造利润列，或者确认传入结构。多层列名用下划线拼接、fill_value 和 margins 处理报表、层次索引用 xs 切片这些点也很贴合日常使用。整体是一份不错的多维度透视备忘，照着跑一遍基本能掌握常见用法。

热心网友5

整理得挺清楚的，按准备数据、多维聚合、自定义函数、高级参数和注意事项的顺序展开，复现起来比较顺。尤其自定义聚合函数那部分的提醒很关键：pivot_table 按列聚合时通常传入的是单列 Series，函数里直接访问另一列容易出问题，实际使用时先在透视前构造利润列，或者改成按组访问多列的方式会更稳。多层列名用下划线拼接也很实用，不过如果某些结果列名不是元组，最好加个类型判断，避免拼接时报错。fill_value 和 margins 的说明也到位，做报表时确实要留意缺失组合和总计行的含义。整体是一篇比较适合照着练手的整理。

热心网友5

感谢整理，这篇把 pivot_table 的关键参数和注意事项串得很顺，尤其是多层列名用下划线拼接、fill_value 和 margins 的组合，做报表时很实用。自定义聚合函数那段提醒得很到位，pivot_table 按列聚合时通常传入的是单列 Series，想同时读取销售额和成本确实容易踩坑，透视前先构造利润列会更稳。分位数和均值组合的示例也清楚，多层索引切片用 xs 这点很值得记住。整体可复现性不错，收藏了。