python pivot的用法

Python中的pivot（数据透视表）函数是用来重组和转换数据的重要工具，其用法如下：

1. DataFrame.pivot(index=None, columns=None, values=None): 根据指定的索引、列、值对原DataFrame进行透视。

- index：用作行索引的列名或列名列表。
- columns：用作列索引的列名或列名列表。
- values：要聚合的列名或列名列表，如果省略，则所有列都聚合。

2. DataFrame.pivot_table(values=None, index=None, columns=None,aggfunc=’mean’, fill_value=None, margins=False,dropna=True): 根据指定的索引、列、值对原DataFrame进行透视并计算汇总统计量。

- values：要聚合的列名或列名列表，如果省略，则所有列都聚合。
- index：用作行索引的列名或列名列表。
- columns：用作列索引的列名或列名列表。
- aggfunc：聚合函数，默认为'mean'（平均值），可以是'min'、'max'、'sum'等。
- fill_value：用于填充缺失值的默认值。
- margins：如果为True，添加汇总行和列，默认为False。
- dropna：如果为True，则删除包含任何缺失值的行或列，默认为True。

举个例子：

import pandas as pd
data = {'date':['2021-01-01','2021-01-01','2021-01-02','2021-01-02'],
        'country':['China','Japan','China','Japan'],
        'value':[100,200,300,400]}
df = pd.DataFrame(data)
print(df)

# 透视表
pivot_df = df.pivot(index='date',columns='country',values='value')
print(pivot_df)

# 透视表并计算平均数
pivot_table_df = df.pivot_table(values='value', index='date',columns='country',aggfunc='mean')
print(pivot_table_df)

输出结果：

        date country  value
0  2021-01-01   China    100
1  2021-01-01   Japan    200
2  2021-01-02   China    300
3  2021-01-02   Japan    400

country     China  Japan
date                    
2021-01-01    100    200
2021-01-02    300    400

country     China  Japan
date                    
2021-01-01    100    200
2021-01-02    300    400