pivot——table

`pivot_table`是pandas中用于创建透视表的函数，它可以根据一个或多个键对数据进行分组，并且可以对分组后的数据进行聚合计算。pivot_table的语法如下：

DataFrame.pivot_table(values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True)

参数说明：
- `values`：可选，要汇总的列，默认为所有数值型列。
- `index`：可选，行分组列。
- `columns`：可选，列分组列。
- `aggfunc`：可选，对数据进行聚合计算的函数，默认为平均值。
- `fill_value`：可选，用于替换缺失值的值。
- `margins`：可选，添加行/列总计，默认为False。
- `dropna`：可选，是否删除含有缺失值的行/列，默认为True。

下面是一个例子：

import pandas as pd
import numpy as np

# 创建一个示例DataFrame
df = pd.DataFrame({'A': ['foo', 'foo', 'bar', 'bar', 'foo', 'foo'],
                   'B': ['one', 'two', 'one', 'two', 'one', 'two'],
                   'C': np.random.randn(6),
                   'D': np.random.randn(6)})

# 使用pivot_table函数创建透视表
table = pd.pivot_table(df, values='D', index=['A', 'B'], columns=['C'], aggfunc=np.sum)

print(table)

上述代码将创建一个DataFrame，并使用pivot_table函数创建一个透视表。透视表将按照'A'和'B'列进行分组，并且对'D'列的值进行求和计算。'C'列的值将用作列索引。输出的结果将是一个新的DataFrame，其中行是'A'和'B'列的组合，列是'C'列的不同值，单元格中的值是'D'列的聚合值。