数据透视表和交叉表

1. 数据透视表

pivot()的用途就是，将一个dataframe的记录数据整合成表格(类似Excel中的数据透视表功能)，pivot_table函数可以产生类似于excel数据透视表的结果，相当的直观。其中参数index指定“行”键，columns指定“列”键。

函数形式：

pandas.pivot_table(data, values=None, index=None, columns=None, aggfunc=‘mean’, fill_value=None, margins=False, dropna=True)

【例】：对于DataFrame格式的某公司销售数据workdata.csv，存储在本地的数据的形式如下，请利用Python的数据透视表分析计算每个地区的销售总额和利润总额。

关键技术：在pandas中透视表操作由pivot_table()函数实现，其中在所有参数中，values、index、columns最为关键，它们分别对应Excel透视表中的值、行、列。程序代码如下所示：

2 .交叉表

 交叉表采用crosstab函数，可是说是透视表的一部分, 是参数aggfunc=count情况下的透视表。crosstab函数 可以按照指定的行和列统计分组频数。

函数形式：

pd.crosstab(index,columns,values=None,rownames=None,colnames=None,aggfunc=None,margins=False,margins_name:str='All',dropna: bool = True,normalize=False)

【例】：根据国籍和用手习惯对这段数据进行统计汇总。

     关键技术：频数统计时，使用交叉表（crosstab）更方便。传入margins=True参数（添加小计/总计），将会添加标签为ALL的行和列。

首先给出数据集：

对不同国家的用手习惯进行统计汇总：