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

Question

(请注意，有一个问题是Pandas: group by and Pivot table difference，但这个问题不同。)

假设您以DataFrame开头

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，假设您想要使索引a、列b、单元格val中的值，并指定如果结果单元格中有两个或多个值，应该做什么：

b  0  1
a      
x  0  1
y  2  3

然后你就可以通过

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

或通过

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

因此，在我看来，两者之间似乎有一个简单的对应关系(给定一个，您几乎可以编写一个脚本来将其转换为另一个)。我还想到了具有分层索引/列的更复杂的情况，但我仍然认为没有区别。

我错过了什么吗？

• 是否有可以使用其中一种而不是另一种执行的操作？
• 也许，使用一个操作比另一个操作更容易执行吗？
• 如果不是，为什么不反对pivot_tale呢？groupby似乎更通用。

Answer 1

如果我正确地理解了pivot_table(index, columns, values, aggfunc)的源代码，那么它就相当于：

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

+：

• 利润率(小计和总计作为@ayhan has already said)
• pivot_table()还从列轴中删除额外的多个级别(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pivot_table()的docstring源代码中获取这个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

请注意顶层栏：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

为什么不反对pivot_tale？群比似乎要普遍得多。

因为它很容易使用，而且很方便！)