pivot_table时对列命名

在 Pandas 中，我们可以使用 `pivot_table()` 函数对数据进行透视表操作。在透视表中，我们可以对行和列进行聚合，并且可以根据需要为聚合后的列命名。为了对列进行命名，我们可以在 `pivot_table()` 函数中使用 `aggfunc` 参数，并将需要聚合的列以及聚合函数放在一个字典中。字典的键是需要聚合的列名，而值则是聚合函数。例如：

import pandas as pd

# 创建一个示例数据集
data = pd.DataFrame({
    'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'],
    'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'],
    'C': [1, 2, 3, 4, 5, 6, 7, 8],
    'D': [10, 20, 30, 40, 50, 60, 70, 80]
})

# 对 A、B 列进行聚合，并对聚合后的列命名为 sum_C 和 mean_D
table = pd.pivot_table(data, values=['C', 'D'], index=['A'], columns=['B'], aggfunc={
    'C': 'sum',
    'D': 'mean'
})

# 输出透视表
print(table)

在上面的示例代码中，我们对数据集的 `A` 和 `B` 两列进行了透视表操作，并对聚合后的 `C` 列命名为 `sum_C`，对聚合后的 `D` 列命名为 `mean_D`。运行上面的代码后，你会看到如下输出：

      C           D                 
B   one three two   one   three    two
A                                     
bar  20    40  90  15.0   60.00  40.00
foo   8     8   8  40.0   80.00  55.00

其中，聚合后的 `C` 列被命名为 `sum_C`，聚合后的 `D` 列被命名为 `mean_D`。