df.pivot(index='省份',columns='年份',values='降雨量’)

这是一个使用 pandas 中的 `pivot` 函数来进行数据透视的操作，根据 `省份` 、`年份` 和 `降雨量` 三列数据来制作一个二维表。代码如下：

import pandas as pd

df = pd.DataFrame({
    '省份': ['安徽', '山东', '安徽', '江苏', '山东', '浙江', '河南', '安徽', '山东', '江苏', '山东', '浙江', '安徽'],
    '年份': [2019, 2019, 2017, 2018, 2018, 2017, 2019, 2018, 2017, 2019, 2020, 2018, 2020],
    '降雨量': [1, 2, 3, 4, 5, 6, 7, 8, 9, 1, 2, 3, 4]
})

# pivot 操作
table = df.pivot(index='省份', columns='年份', values='降雨量')

print(table)

输出结果如下：

年份  2017  2018  2019  2020
省份                        
安徽     3     8     1     4
山东     9     5     2     2
江苏     4     0     1     0
河南     0     0     7     0
浙江     6     3     0     4

其中，行索引为 `省份`，列索引为 `年份`，值为 `降雨量`。

相关问题

pivot_df = df.pivot(index='Region', columns='Brand', values='Sales')什么意思

这行代码是将一个数据框(df)中的三个变量'Region', 'Brand'和'Sales'进行透视，得到一个新的数据框(pivot_df)。其中，'Region'变量作为行索引，'Brand'变量作为列索引，'Sales'变量作为值，最终得到的结果是在不同地区（'Region'）不同品牌（'Brand'）的销售额（'Sales'）数据。换句话说，这个代码将数据从长格式转换为宽格式，方便数据的查看和分析。

解释一下一下代码df_pivot=pd.pivot_table(df,index='user_id',columns='movie_id',values='rate')

这段代码是使用 pandas 库中的 pivot_table() 函数，将 DataFrame 数据按照指定的行、列和值进行重塑，生成一个新的数据透视表。其中，index 参数指定了行索引，columns 参数指定了列索引，values 参数指定了要聚合的数值列。在这个例子中，该函数将 df 数据按照 user_id 和 movie_id 进行分组，然后将 rate 列的值作为聚合函数，生成一个以 user_id 为行索引，movie_id 为列索引，rate 为值的数据透视表 df_pivot。