### 如何使用 Pandas 创建透视表与交叉表 #### 1. 使用 `pivot_table` 创建透视表 Pandas 提供了灵活的 `pivot_table` 函数来创建多维数据汇总表。以下是其基本语法以及参数说明： ```python import pandas as pd # 加载数据集 df = pd.read_csv('step2/tip.csv') # 创建透视表 pivot_result = pd.pivot_table( df, values='tip', # 需要聚合的数值列 index=['time'], # 行分组键 columns=['day'], # 列分组键 aggfunc='sum' # 聚合函数，默认为 mean ) print(pivot_result) ``` 上述代码通过指定 `values`, `index`, 和 `columns` 参数定义了一个简单的透视表结构，其中 `aggfunc='sum'` 指定了按总和进行聚合[^1]。 --- #### 2. 使用 `crosstab` 创建交叉表 `pd.crosstab` 是另一种用于生成频率分布表的方法，适合处理分类变量之间的关系分析。以下是其实现方式及其参数解释： ```python # 创建交叉表 cross_tab_result = pd.crosstab( df['time'], # 行索引 df['day'], # 列索引 values=df['tip'], # 数值列 aggfunc='sum' # 聚合方法 ) print(cross_tab_result) ``` 此代码片段展示了如何利用 `crosstab` 来统计不同时间段 (`time`) 下每天 (`day`) 的小费总额。相比 `pivot_table`，它更适用于快速构建二维频数矩阵[^4]。 --- #### 3. 性能优化建议 当面对超大数据量时，推荐尝试以下策略提升效率： - 替代方案：对于某些场景可选用 `pd.crosstab` 取代传统 `pivot_table` 实现相同功能却获得更快执行速度[^2]； - 并行化操作：借助第三方库如 Dask 或 Modin 进一步扩展单机内存限制下的运算能力； --- #### 示例综合应用案例 基于给定的任务需求——即加载 CSV 文件并分别采用两种表格形式展示结果如下所示： ```python # 导入必要模块 import pandas as pd # 步骤一：读取原始数据源 data_path = 'step2/tip.csv' raw_data = pd.read_csv(data_path) # 步骤二：运用 pivot_table 方法完成任务目标 result_pivot = pd.pivot_table(raw_data, values="tip", index=["time"], columns=["day"], aggfunc=sum) # 步骤三：调用 crosstab 达成一致效果对比验证 result_cross = pd.crosstab(raw_data["time"], raw_data["day"], values=raw_data["tip"], aggfunc=sum) # 输出最终成果至屏幕查看 print("Result via Pivot Table:") print(result_pivot) print("\nResult via Cross Tabulation:") print(result_cross) ``` 以上脚本实现了从导入到加工再到呈现整个流程自动化演示[^3]。 ---