pandas如何做数据透视表

在 pandas 中，做数据透视表主要使用 pivot_table() 函数。下面从基础到常用场景给你讲清楚。

一、基本语法

import pandas as pd

pd.pivot_table(
    data,
    values=None,     # 要聚合的数值列
    index=None,      # 行分组字段
    columns=None,    # 列分组字段
    aggfunc='mean',  # 聚合方式（mean/sum/count等）
    fill_value=None, # 缺失值填充
    margins=False    # 是否显示总计
)

二、示例数据

df = pd.DataFrame({
    '地区': ['华北', '华北', '华东', '华东', '华南', '华南'],
    '产品': ['A', 'B', 'A', 'B', 'A', 'B'],
    '销量': [100, 150, 200, 250, 300, 350],
    '利润': [10, 15, 20, 25, 30, 35]
})

三、最基础的透视表（按地区汇总销量）

pd.pivot_table(df, values='销量', index='地区', aggfunc='sum')

结果：

      销量
地区
华北   250
华东   450
华南   650

四、行 + 列 双维度透视

pd.pivot_table(
    df,
    values='销量',
    index='地区',
    columns='产品',
    aggfunc='sum'
)

结果：

产品      A    B
地区
华北    100  150
华东    200  250
华南    300  350

五、多个指标（values 为列表）

pd.pivot_table(
    df,
    values=['销量', '利润'],
    index='地区',
    aggfunc='sum'
)

六、多个聚合方式（aggfunc 为字典）

pd.pivot_table(
    df,
    values='销量',
    index='地区',
    aggfunc={
        '销量': ['sum', 'mean', 'count']
    }
)

七、添加总计（margins）

pd.pivot_table(
    df,
    values='销量',
    index='地区',
    columns='产品',
    aggfunc='sum',
    margins=True,
    margins_name='总计'
)

八、缺失值处理

pd.pivot_table(
    df,
    values='销量',
    index='地区',
    columns='产品',
    aggfunc='sum',
    fill_value=0
)

九、crosstab 与 pivot_table 的区别（补充）

如果只是计数（类似 Excel 透视表计数）：

pd.crosstab(df['地区'], df['产品'])

而 pivot_table 更灵活，支持任意聚合函数。

如果你有 具体业务场景（如销售、财务、用户行为），可以把数据结构发我，我可以直接帮你写透视表代码。