pivot_table（） 为参数 'values' 获取多个值，怎么办

如果您想在 `pivot_table()` 函数中传递多个值作为参数，可以将这些值作为列表传递给 `values` 参数。例如：

import pandas as pd

# 创建示例数据集
data = {'A': ['foo', 'foo', 'foo', 'bar', 'bar', 'bar'],
        'B': ['one', 'one', 'two', 'two', 'one', 'one'],
        'C': [1, 2, 3, 4, 5, 6],
        'D': [7, 8, 9, 10, 11, 12]}
df = pd.DataFrame(data)

# 使用 pivot_table() 函数生成透视表
table = pd.pivot_table(df, values=['C', 'D'], index=['A', 'B'], aggfunc='sum')

# 打印透视表
print(table)

在上面的示例中，我们创建了一个示例数据集，并使用 `pivot_table()` 函数生成透视表。我们将 `C` 和 `D` 列作为要聚合的值传递给 `values` 参数，并使用 `['A', 'B']` 作为行索引。最后，我们使用 `aggfunc='sum'` 指定要应用于聚合值的聚合函数。输出结果将同时包含 `C` 和 `D` 列的和。

相关问题

pivot_table可以用多个aggfunc值吗？

是的，pivot_table可以使用多个aggfunc值。您可以指定一个字典，将每个列名映射到一个aggfunc。例如，可以使用以下代码制作具有多个aggfunc的透视表：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Emma'],
        'Class': ['A', 'B', 'C', 'A', 'B'],
        'Subject': ['Math', 'Math', 'Math', 'Science', 'Science'],
        'Score': [80, 85, 90, 70, 75]}

df = pd.DataFrame(data)

table = pd.pivot_table(df, index=['Class'], columns=['Subject'], values=['Score'],
                       aggfunc={'Score': ['sum', 'mean', 'max', 'min']})
print(table)

输出：

        Score                   
          max       mean   min sum
Subject Math Science Math Math
Class                            
A          80      70.0   80  150
B          85      75.0   85  160
C          90       NaN   90   90

这个透视表使用了4个aggfunc，分别是sum、mean、max和min，用于计算每个班级在每个学科中的得分总和、平均值、最大值和最小值。

pd.pivot_table的参数

pd.pivot_table函数有多个参数，下面是一些常用的参数：

- data：要进行数据透视的数据集。
- values：被聚合的列或列的列表。
- index：用于分组的列或列的列表。
- columns：用于创建新列的列或列的列表。
- aggfunc：用于聚合数据的函数，默认为np.mean。
- fill_value：用于替换缺失值的值。
- margins：是否添加汇总行和列，默认为False。
- dropna：是否丢弃包含缺失值的行，默认为True。

请注意，这只是一些常用参数，还有其他参数可以根据需要使用。