Python中怎么使用 pivot_table()实现数据透视功能

1、pivot_table() 函数介绍

pivot_table() 函数是 Pandas 中用于实现数据透视功能的函数，它可以将原始数据按照指定的行列标签进行转换，并计算每个维度的数据值，从而实现数据透视的功能。pivot_table() 函数可以接受一个或多个原始数据表，并使用指定的行列标签对原始数据进行转换，从而实现数据透视功能。

2、pivot_table() 函数使用

使用 pivot_table() 函数实现数据透视功能，需要指定以下参数：

12345pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')

其中，data 表示要转换的原始数据；values 表示要计算的数据值；index 表示行标签；columns 表示列标签；aggfunc 表示聚合函数；fill_value 表示缺失值的填充；margins 表示是否计算总和；dropna 表示是否删除缺失值；margins_name 表示总和的标签。

3、实例演示

下面使用一个实例说明如何使用 pivot_table() 函数实现数据透视功能：

123456789import pandas as pd

# 定义原始数据
data = {'A':['one','one','two','two','three','three'],
        'B':['A','B','A','B','A','B'],
        'C':[1,2,3,4,5,6],
        'D':[2,3,4,5,6,7]}

# 使用pivot_table()函数进行数据转换
df = pd.pivot_table(data, values='C', index='A', columns='B')

# 打印转换后的数据
print(df)

输出结果如下：

1   B  A  B
A     1  2
three 5  6
two   3  4

从上面的结果可以看出，使用 pivot_table() 函数对原始数据进行转换后，可以实现数据透视功能，从而更加方便地分析数据。