接上篇文章，利用pivot()来实现行列的转换，快速简单达到效果，这就是python的神奇之处。
上篇我们开头创建的表数据，使用的是备份清理的数据，原始数据df并没有改变，所以直接拿过来使用
看看怎么一个函数就到达分组行列转换的？
一句话道破天机：其实pivot就是一个快捷方式而已，他是利用set_index先创建层次化索引，再用unstack进行行列转换。
是不是很NB
接下来只需要填充空值和求平均分了
接下来我们尝试用更简单的方法实现上面的效果
pivot_table（） 数据透视表功能，我们都知道excel有数据透视表，pandas也有数据透视表功能，并且非常强大。 pivot没有数据聚合功能。
还回到原始数据表df的形式，使用数据透视表看看如何实现，还是老方法先展示效果，再解释原理。
确实很强大吧，一个函数一行代码就把数据透视表做了。
具体这些参数是干什么用的？下面在来一一解释参数的作用
函数构造
如上图pivot_bable()函数的全部参数：
value：需要汇总的列
index:索引，数据透视表中的分组，行
columns:列
aggfunc: 聚合函数，用于汇总列，可以是函数或函数列表
fill_value：填充缺失的值
margins：添加行与列，是个布尔值，是指添加的例如小计或汇总的列或行
margins_name：添加行列的名字
dropna:如果某列元素都为np.nan, 是否丢弃；
网友评论