如何在Pandas DataFrame中按多条件（含或/且）生成定制透视表

示例输入数据 #

假设你的原始数据结构如下（可替换为实际业务数据）：

import pandas as pd
import numpy as np

data = {
    '部门': ['销售', '销售', '研发', '研发', '行政', '行政'],
    '职级': ['初级', '高级', '初级', '高级', '初级', '高级'],
    '性别': ['男', '女', '男', '女', '男', '女'],
    '薪资': [8000, 15000, 9000, 18000, 7500, 12000],
    '绩效评分': [85, 92, 88, 95, 82, 89]
}
df = pd.DataFrame(data)

1. 实现AND/OR多条件筛选 #

直接用布尔索引搞定，注意逻辑运算符用&（AND）、|（OR），每个条件必须加括号：

• AND逻辑：同时满足多个条件

  # 筛选：销售部门 AND 高级职级
  filter_and = (df['部门'] == '销售') & (df['职级'] == '高级')
  df_filtered_and = df[filter_and]
  

• OR逻辑：满足任意一个条件

  # 筛选：销售部门 OR 高级职级
  filter_or = (df['部门'] == '销售') | (df['职级'] == '高级')
  df_filtered_or = df[filter_or]
  

• 嵌套复杂逻辑：混合AND/OR的组合条件

  # 筛选：(销售部门且薪资超1万) 或者 (研发部门且绩效超90)
  filter_complex = ((df['部门'] == '销售') & (df['薪资'] > 10000)) | ((df['部门'] == '研发') & (df['绩效评分'] > 90))
  df_complex = df[filter_complex]
  

2. 生成定制化透视表 #

用pd.pivot_table()可以灵活指定分组维度、计算字段、统计方法，支持同时计算均值、中位数等多种指标：

示例1：筛选后按部门+职级分组，计算薪资的均值/中位数、绩效的均值 #

# 先应用OR筛选
df_filtered = df[(df['部门'] == '销售') | (df['职级'] == '高级')]

pivot_table = pd.pivot_table(
    df_filtered,
    index=['部门', '职级'],  # 行分组维度
    values=['薪资', '绩效评分'],  # 要计算的字段
    aggfunc={
        '薪资': ['mean', 'median'],  # 薪资同时算均值和中位数
        '绩效评分': 'mean'  # 绩效只算均值
    },
    margins=True,  # 显示总计行
    margins_name='总计'
)

print(pivot_table)

示例2：AND筛选后按性别分组，计算薪资的多维度统计 #

df_filtered_and = df[(df['部门'] == '研发') & (df['绩效评分'] > 90)]

pivot_table_and = pd.pivot_table(
    df_filtered_and,
    index='性别',
    values='薪资',
    aggfunc=['mean', 'median', 'max', 'min'],  # 同时计算均值、中位数、最大最小值
    fill_value=0  # 空值填充为0
)

print(pivot_table_and)

示例3：自定义聚合函数 #

如果需要默认没有的统计值（比如90分位数），可以自定义函数传入：

# 自定义函数：计算90分位数
def q90(x):
    return x.quantile(0.9)

pivot_custom = pd.pivot_table(
    df,
    index='部门',
    values='薪资',
    aggfunc=['mean', q90]  # 同时计算均值和90分位数
)

print(pivot_custom)

内容的提问来源于stack exchange，提问作者WUPD