透视表的运用

pd.pivot_table( ['data', 'values=None', 'index=None', 'columns=None', "aggfunc='mean'", 'fill_value=None', 'margins=False', 'dropna=True', "margins_name='All'"],)

①参数说明

data:接收DataFrame。表示创建表的数据。无默认。

values:接收字符串。用于指定想要聚合的数据字段名，默认使用全部数据。默认为None。

index:接收string或list。表示行分组键。默认为None。

columns:接收string或list。表示列分组键。默认为None。

aggfunc:接收functions。表示聚合函数。默认为mean。

fill_value:接收boolearn。表示对空值的填充。默认为False。

margins:接收boolearn。表示汇总（Total）功能的开关，设为True后结果集中会出现名为“ALL”的行和列。默认为False。

dropna:接收boolearn。表示是否删掉全为NaN的列。默认为True。

margins_name:是对汇总（total）命名，当margin为True时，才有效，否则会出现报错。

 ②栗子

import pandas as pd
df = pd.DataFrame({"A": ["foo", "foo", "foo", "foo", "foo",
                          "bar", "bar", "bar", "bar"],
                    "B": ["one", "one", "one", "two", "two",
                         "one", "one", "two", "two"],
                    "C": ["small", "large", "large", "small",
                          "small", "large", "small", "small",
                         "large"],
                    "D": [1, 2, 2, 3, 3, 4, 5, 6, 7],
                       "E":[8,9,10,11,12,13,14,15,None]})
df

以'A','B'为索引值,'D','E'为数值，C为列名进行聚合函数运算，得出如下结果。

import numpy as np
table = pd.pivot_table(df, values=['D','E'], index=['A', 'B'],
                      columns=['C'],aggfunc=np.sum,margins=True,\
                       fill_value=0,margins_name='sum')

table

 查看列名及索引