在Pandas中，可以使用pivot_table()函数来创建数据透视表。数据透视表是一种对数据进行汇总、分析和比较的强大工具。以下是使用pivot_table()函数的基本步骤：
import pandas as pd
data = {'Category': ['A', 'B', 'A', 'B', 'A', 'B'],
'Subcategory': ['X', 'X', 'Y', 'Y', 'Z', 'Z'],
'Value': [10, 20, 30, 40, 50, 60]}
df = pd.DataFrame(data)
pivot_table()函数创建数据透视表：pivot_table = df.pivot_table(values='Value', index='Category', columns='Subcategory', aggfunc='sum')
在这个例子中，我们根据Category列对数据进行分组，并根据Subcategory列创建列。values参数指定了要进行汇总的列，aggfunc参数指定了汇总方法（例如，‘sum’、'mean’等）。
print(pivot_table)
输出结果：
Subcategory X Y Z
Category
A 10 30 50
B 20 40 60
这个数据透视表显示了每个类别（Category）下的子类别（Subcategory）的总和（Value）。
你可以根据需要调整pivot_table()函数的参数，例如添加更多的行或列、更改汇总方法等。更多关于pivot_table()函数的详细信息和选项，请参阅Pandas官方文档：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.pivot_table.html
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
