透视表 pivot table
透视表（pivot table）是常见的数据汇总工具，它根据一个或多个键对数据进行聚合，根据行和列上的分组键将数据分配到矩形区域中。
pandas中使用pivot_table方法创建透视表，
pd.pivot_table(data,values=None,index=None,columns=None,aggfunc='mean'
,fill_value=None,margins=False,dropna=True,margins_name='ALL')
data:DataFrame对象
values：要聚合的列或列的列表
index：数据透视的index，从原始数据的列中筛选
columns：数据透视表的columns，从原始数据的列中筛选
aggfunc：用于聚合的函数，默认为numpy，mean，支持numpy计算方法
------------原数据------------
date key values
0 2019-01-01 a 6.372699
1 2019-01-02 b 0.649605
2 2019-01-03 c 4.897285
3 2019-01-01 d 7.758373
4 2019-01-02 a 1.576888
5 2019-01-03 b 8.217029
6 2019-01-01 c 5.454403
7 2019-01-02 a 5.072132
8 2019-01-03 b 2.875602
------------透视表1------------
print(pd.pivot_table(df,values = 'values',index = ['date'],columns='key',aggfunc=np.sum))
key a b c d
date
2019-01-01 6.372699 NaN 5.454403 7.758373
2019-01-02 6.649020 0.649605 NaN NaN
2019-01-03 NaN 11.092630 4.897285 NaN
------------透视表2------------#分别以date，key共同做数据透视，值为values：统计不同（date，key）情况下values的计数 #aggfunc=len（或者count）：计数 print(pd.pivot_table(df,values = 'values',index = ['date','key'],aggfunc=len))
values
date key
2019-01-01 a 1.0
c 1.0
d 1.0
2019-01-02 a 2.0
b 1.0
2019-01-03 b 2.0
c 1.0
交叉表：crosstab
默认情况下，crosstab计算因子的频率，比如用于str的数据透视分析
pd.crosstab(index,columns,values=None,rownames=None
,colnames=None,aggfunc=None,margins=False,dropna=True,normalize=False)
------------原数据------------
A B C
0 1 3 1.0
1 2 3 1.0
2 2 4 NaN
3 2 4 1.0
4 2 4 1.0
------------交叉表1------------
print(pd.crosstab(df['A'],df['B']))
B 3 4
A
1 1 0
2 1 3
------------交叉表2------------print(pd.crosstab(df['A'],df['B'],normalize=True))#以频率的方式显示
B 3 4
A
1 0.2 0.0
2 0.2 0.6
------------交叉表3------------print(pd.crosstab(df['A'],df['B'],values=df['C'],aggfunc=np.sum))#values:根据因子聚合的值数组 #aggfunc：如果未传递values数组，则计算频率表，如果传递数组，则按照指定计算 #这里相当于以A和B界定分组，计算出每组中第三个系列C的值
B 3 4
A
1 1.0 NaN
2 1.0 2.0
------------交叉表4------------print(pd.crosstab(df['A'],df['B'],values=df['C'],aggfunc=np.sum,margins=True)) #margins:布尔值，默认值False，添加行/列边距（小计）
B 3 4 All
A
1 1.0 NaN 1.0
2 1.0 2.0 3.0
All 2.0 2.0 4.0
