python数据透视表

Python中有很多库可以用来创建数据透视表，其中比较流行的是pandas和pivot_table。下面简单介绍一下这两个库的使用方法。

## pandas

pandas是一个强大的数据分析工具，它的pivot_table函数可以用来创建数据透视表。

### 示例数据

首先，我们需要准备一些示例数据。下面是一个包含销售数据的DataFrame：

import pandas as pd

data = {
    'Region': ['East', 'East', 'West', 'West', 'North', 'North', 'South', 'South'],
    'Product': ['A', 'B', 'A', 'B', 'A', 'B', 'A', 'B'],
    'Sales': [100, 200, 150, 250, 300, 400, 350, 450]
}

df = pd.DataFrame(data)

这个DataFrame包括了销售数据，其中Region表示销售地区，Product表示销售产品，Sales表示销售额。

### 创建数据透视表

下面我们就可以使用pivot_table函数来创建数据透视表了。代码如下：

table = pd.pivot_table(df, values='Sales', index='Region', columns='Product', aggfunc=sum)
print(table)

这个代码会将df这个DataFrame转换成一个数据透视表，并将结果储存在table变量中。其中，values参数指定了要汇总的数值列，index参数指定了行索引，columns参数指定了列索引，aggfunc参数指定了汇总函数。

上述代码运行的结果如下：

Product    A    B
Region          
East     100  200
North    300  400
South    350  450
West     150  250

这个数据透视表显示了不同地区销售不同产品的总销售额。

## pivot_table

pivot_table是另一个创建数据透视表的库，它的使用方法和pandas类似。

### 示例数据

首先，我们需要准备一些示例数据。下面是一个包含销售数据的列表：

import pivot_table

data = [
    {'Region': 'East', 'Product': 'A', 'Sales': 100},
    {'Region': 'East', 'Product': 'B', 'Sales': 200},
    {'Region': 'West', 'Product': 'A', 'Sales': 150},
    {'Region': 'West', 'Product': 'B', 'Sales': 250},
    {'Region': 'North', 'Product': 'A', 'Sales': 300},
    {'Region': 'North', 'Product': 'B', 'Sales': 400},
    {'Region': 'South', 'Product': 'A', 'Sales': 350},
    {'Region': 'South', 'Product': 'B', 'Sales': 450}
]

df = pd.DataFrame(data)

### 创建数据透视表

下面我们就可以使用pivot_table函数来创建数据透视表了。代码如下：

table = pivot_table(data, rows=['Region'], cols=['Product'], aggfunc=sum, values='Sales')
print(table)

这个代码会将data这个列表转换成一个数据透视表，并将结果储存在table变量中。其中，rows参数指定了行索引，cols参数指定了列索引，aggfunc参数指定了汇总函数，values参数指定了要汇总的数值列。

上述代码运行的结果如下：

           Sales      
Product        A     B
Region                
East         100   200
North        300   400
South        350   450
West         150   250

这个数据透视表显示了不同地区销售不同产品的总销售额。