pivot_table 函数如何使用

`pivot_table` 是 pandas 库中的一个函数，用于对数据进行透视操作。它可以根据给定的行、列和值，将原始数据表格转换成一个新的表格，其中行和列是由用户指定的，而值是通过聚合来计算的。

`pivot_table` 的基本语法如下：

pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, margins_name='All')

其中，参数含义如下：

- `data`：要进行透视操作的数据集，可以是 pandas 的 DataFrame 或者 Series 对象。
- `values`：要聚合的列名或列名列表。默认聚合所有数值型的列。
- `index`：用于分组的列名或列名列表。默认为 None，表示不进行分组。
- `columns`：用于形成新列的列名或列名列表。默认为 None，表示不进行形成新列操作。
- `aggfunc`：聚合函数，可以是内置的聚合函数（如 mean、sum、count 等），也可以是自定义的函数。默认为 'mean'。
- `fill_value`：用于替换缺失值的值。默认为 None。
- `margins`：是否在结果中添加行/列小计。默认为 False。
- `margins_name`：小计行/列的名称。默认为 'All'。

下面是一个简单的例子，展示了如何使用 `pivot_table` 函数：

import pandas as pd

# 创建一个数据集
df = pd.DataFrame({
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Emily'],
    'Gender': ['F', 'M', 'M', 'M', 'F'],
    'Age': [25, 30, 35, 40, 45],
    'Salary': [5000, 6000, 7000, 8000, 9000]
})

# 对数据进行透视操作
result = pd.pivot_table(df, values='Salary', index='Gender', columns='Age', aggfunc='mean')

print(result)

输出结果如下：

Age       25      30      35      40      45
Gender                                      
F       5000.0     NaN     NaN     NaN  9000.0
M          NaN  6000.0  7000.0  8000.0     NaN

这里我们以 `Gender` 为行，`Age` 为列，`Salary` 为值，计算了不同年龄段男女的平均工资。