python pandas做数据透视表

在Python中，可以使用pandas库的pivot_table函数来实现数据透视表的功能[^1][^1]。pivot_table函数的基本语法如下：

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

其中，参数说明如下：
- data：要进行数据透视的数据集。
- values：要聚合的列名。
- index：作为行索引的列名。
- columns：作为列索引的列名。
- aggfunc：聚合函数，默认为'mean'，表示计算均值。
- fill_value：用于填充缺失值的值。
- margins：是否显示行和列的汇总，默认为False。
- dropna：是否删除包含缺失值的行，默认为True。
- margins_name：汇总行和列的名称，默认为'All'。
- observed：是否观察到所有的值，默认为False。

下面是一个示例，演示如何使用pivot_table函数进行数据透视表操作：

import pandas as pd

# 创建示例数据集
data = {'Name': ['Alice', 'Bob', 'Charlie', 'Alice', 'Bob', 'Charlie'],
        'City': ['New York', 'London', 'Paris', 'New York', 'London', 'Paris'],
        'Salary': [5000, 6000, 7000, 5500, 6500, 7500]}
df = pd.DataFrame(data)

# 使用pivot_table函数进行数据透视
pivot_table = pd.pivot_table(df, values='Salary', index='Name', columns='City', aggfunc='mean')

print(pivot_table)

运行以上代码，将会输出以下结果：

City     London  New York   Paris
Name                             
Alice       NaN    5250.0     NaN
Bob      6250.0       NaN     NaN
Charlie     NaN       NaN  7250.0

这个结果展示了根据姓名和城市对薪水进行了聚合，并以姓名作为行索引，以城市作为列索引的数据透视表。