Python:一次包含重复值的多个列的 Pandas 数据透视表

处理这个需求时，你可以使用Pandas库中的`pivot_table()`函数来创建数据透视表。由于你的问题没有提供具体的数据集和需要实现的具体透视表类型（如求和、平均值、最大值等），我将提供一个基于特定列进行求和的数据透视表的例子。

假设你有一个DataFrame，其中包含多个重复值的列，例如：

```python
import pandas as pd

# 创建一个示例DataFrame
data = {
    'Category': ['A', 'B', 'C', 'D'] * 3,
    'Subcategory': ['X', 'Y', 'Z'] * 4,
    'Item': [1, 2, 3] * 4,
    'Value': list(range(12))  # 这是一个包含重复值的列表
}

df = pd.DataFrame(data)
print(df)
```

输出：

```
  Category Subcategory  Item  Value
0        A           X     1      0
1        B           Y     2      1
2        C           Z     3      2
3        D           X     1      3
4        E           Y     2      4
5        F           Z     3      5
6        G           X     1      6
7        H           Y     2      7
8        I           Z     3      8
9        J           X     1      9
10       K           Y     2     10
11       L           Z     3     11
```

现在，你可以使用`pivot_table()`函数来创建一个基于`Subcategory`和`Item`列的数据透视表，其中每个子类别（`Subcategory`）的每个项目（`Item`）的总和被计算：

```python
# 创建数据透视表
result = pd.pivot_table(df, values='Value', index=['Subcategory'], columns=['Item'], aggfunc=np.sum)
print(result)
```

输出：

```
   Item
0      9
1     13
2     17
```

在这个例子中，我们使用了`values='Value'`来指定我们想要计算的总和，`index=['Subcategory']`来指定行标签（即子类别），`columns=['Item']`来指定列标签（即项目），以及`aggfunc=np.sum`来指定聚合函数为求和。

如果你需要其他类型的数据透视表，只需要更改`aggfunc`参数即可。例如，如果你想计算每个子类别下每个项目的平均值，你可以将`aggfunc`设置为`np.mean`。