上一次我们学习了：

👉 def, 用Python封装了一个"XLOOKUP函数"

假如我们要对同类型的数据进行求和, 并且有数万行数据.

在表格中, 我们可能自然想到有数据透视表;

但在Python中要用：

def

for

if

...

return

一点点都写一遍吗?

当然不用！

💡 这就是 Python 真正强大的地方：

👉 超多团队和高手造好的第三方库📦

你可以把第三方库理解成：一个"超大型工具箱"里面已经放好了：🔨 锤子🔧 扳手🪛 螺丝刀🪚 电锯

而我们要做的事情是：

👉 找"工具"

👉 调用"工具"

例如：

数据分析

人工智能

网页爬虫

办公自动化

机器学习

量化交易

图表绘制

几乎都有现成库🔥

先看代码：

import pandas as pd

👉 import

表示关键字——导入

👉 pandas

第三方库名称

👉 as

为刚导入的模块起一个“别名”

👉 pd

自定义"别名"

以后：

pd就等于pandas

现在有个需求：

👉 统计每个渠道的总金额

在WPS中：

👉 数据透视表

在Python中：

对应的就是：

数据.groupby("渠道")["金额"].sum()

😱

诶, 没报错?就一行代码？

没错！

就是一行！

拆解一下：

数据.groupby("渠道")

意思：

👉 按渠道分组

然后：

["金额"]

意思：

👉 只看金额列

最后：

.sum()

意思：

👉 求和

连起来：

数据.groupby("渠道")["金额"].sum()

就是：

👉 按渠道分组后统计金额总和

👉 每个渠道平均金额是多少？

改一下：

数据.groupby("渠道")["金额"].mean()

💡mean

就是：

👉 平均值

👉 每个渠道来了多少条数据？

数据.groupby("渠道")["渠道"].count()

😎

短信出现了两次。

所以计数是2。

📢如果：

既想看"数量"

又想看"金额"

数据.groupby("渠道")[["数量","金额"]].sum()

输出：

📢统计完以后：

很多时候还需要排序。

例如：

按金额从高到低排序

数据.groupby("渠道")["金额"].sum().sort_values(ascending=False)

输出：

💡

.sort_values(ascending=False)

意思：

👉 降序

👉 从大到小

😱

这感觉是不是和数据透视表一模一样了？

✅ 你已经：

• 学会导入第三方库

• 学会 import pandas as pd

• 学会 groupby()

• 学会求和

• 学会求平均值

• 学会计数

• 学会排序

• 学会Python版数据透视表