pandas 生成数据透视表

下面是使用pandas生成数据透视表的方法和示例：

方法：
pandas.pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')

参数：
- data：DataFrame对象
- values：要聚合的列或列的列表，默认为所有数值列
- index：用于分组的列或列的列表，或者为True（使用所有其他列）
- columns：用于分组的列或列的列表，或者为True（使用所有其他列）
- aggfunc：聚合函数或函数列表，默认为'mean'
- fill_value：用于替换结果中的缺失值，默认为None
- margins：添加行/列边距，默认为False
- dropna：如果为True，则删除所有包含缺失值的行/列，默认为True
- margins_name：边距的名称，默认为'All'

示例：
假设我们有以下数据集：

| Name | City | Gender | Age | Height | Weight |
|------|------|--------|-----|--------|--------|
| John | LA | Male | 25 | 6'0" | 180 |
| Jane | SF | Female | 30 | 5'5" | 120 |
| Bob | NY | Male | 50 | 5'8" | 150 |
| Mary | LA | Female | 40 | 5'6" | 130 |

我们可以使用以下代码生成一个简单的数据透视表：

import pandas as pd

data = pd.read_csv('data.csv')
pivot_table = pd.pivot_table(data, values=['Age', 'Height', 'Weight'], index=['City'], columns=['Gender'], aggfunc='mean')
print(pivot_table)

输出结果为：

             Age             Height              Weight
Gender    Female  Male     Female   Male      Female   Male
City                                                       
LA          40.0  25.0  5.666667  6.0    130.000000  180.0
NY           NaN  50.0       NaN  5.8           NaN  150.0
SF          30.0   NaN  5.500000  NaN    120.000000    NaN

该数据透视表显示了每个城市中男性和女性的平均年龄，身高和体重。