### 如何使用 Pandas 创建透视表和交叉表 #### 使用 `pd.pivot_table` 创建透视表 Pandas 提供了一个强大的方法来创建透视表——`pd.pivot_table`。该函数允许用户通过指定不同的参数来自定义表格结构，从而实现复杂的数据汇总功能。 以下是 `pd.pivot_table` 的基本语法及其主要参数说明： ```python pd.pivot_table( df, # 输入的DataFrame对象 values='col1', # 需要聚合的列名 index='col2', # 行分组依据的列名 columns='col3', # 列分组依据的列名 aggfunc='sum' # 聚合函数，默认为'mean' ) ``` 上述语法规则提供了灵活的方式来构建多维数据摘要[^2]。 下面是一个简单的例子，展示如何利用 `pd.pivot_table` 来分析一组数据： 假设有一个名为 `df` 的 DataFrame，其中包含三列：`Category`, `Subcategory`, 和 `Value`。我们可以通过以下方式创建一个透视表： ```python import pandas as pd data = { 'Category': ['A', 'B', 'A', 'B'], 'Subcategory': ['X', 'Y', 'Z', 'W'], 'Value': [10, 20, 30, 40] } df = pd.DataFrame(data) # 构建透视表 pivot_result = pd.pivot_table( df, values='Value', index='Category', columns='Subcategory', aggfunc=sum, fill_value=0 ) print(pivot_result) ``` 运行以上代码会得到如下结果： ``` Subcategory W X Y Z Category A 0 10 0 30 B 40 0 20 0 ``` 此示例展示了如何按类别和子类别的组合计算数值总和，并填充缺失值为零[^5]。 --- #### 使用 `pd.crosstab` 创建交叉表 除了透视表外，Pandas 还提供了一种简单的方法来生成交叉表——即 `pd.crosstab` 函数。它主要用于计数分类变量之间的频率分布或其他形式的统计数据。 其基础调用格式如下所示： ```python pd.crosstab(index=df['index_column'], columns=df['columns_column']) ``` 这里的关键在于设置索引 (`index`) 和列标签 (`columns`) 所对应的字段名称[^3]。 举个实际的例子来说，在处理餐厅账单的小费记录时，可能想了解不同时间段（如午餐或晚餐）以及每周某一天内收到的小费总额是多少。此时可采用如下脚本来完成这一目标： ```python tips_df = pd.read_csv('tip.csv') crosstab_result = pd.crosstab( tips_df['day'], # 将日期作为行维度 tips_df['time'], # 时间段设为列维度 values=tips_df['tip'], # 对应于小费金额 aggfunc=sum # 应用求和操作 ) print(crosstab_result) ``` 这段程序读取存储有客户消费详情的 CSV 文件后，按照天数与用餐时段两个因素重新整理并累加相应的小费数额[^4]。 --- ### 总结 无论是对于复杂的业务场景还是日常数据分析需求而言，掌握好 Pandas 中所提供的这两种工具都能极大地提升工作效率。前者适合做更加精细定制化的报表设计；后者则是快速获取两维或多维频次统计的理想选择。