锋哥原创的Pandas2 Python数据处理与分析 视频教程：  

2025版 Pandas2 Python数据处理与分析 视频教程(无废话版) 玩命更新中~_哔哩哔哩_bilibili

pivot_table() 是 pandas 中最强大的数据透视工具，它不仅能重塑数据，还能进行复杂的数据聚合分析。与简单的 pivot() 不同，pivot_table() 可以处理重复值并执行多种聚合计算，是数据分析师的核心工具之一。

基本语法

pd.pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, margins_name='All', dropna=True, observed=False)

参数详解

参数	说明	默认值
data	输入的 DataFrame	必填
values	要聚合的数值列	None
index	行分组键（可以是单个列或多个列）	None
columns	列分组键（可以是单个列或多个列）	None
aggfunc	聚合函数（mean, sum, count 等）	'mean'
fill_value	用于替换缺失值的值	None
margins	是否添加总计行/列	False
margins_name	总计行/列的名称	'All'
dropna	是否删除全为 NaN 的列	True
observed	是否仅显示分类中的观察值	False

示例一，基本透视表

import pandas as pd
import numpy as np
​
# 创建销售数据
data = {'Region': ['East', 'East', 'West', 'West', 'North', 'North', 'East', 'West'],'Product': ['A', 'B', 'A', 'B', 'A', 'B', 'A', 'A'],'Sales': [12000, 15000, 18000, 14000, 9000, 11000, 13000, 16000],'Month': ['Jan', 'Jan', 'Jan', 'Jan', 'Jan', 'Jan', 'Feb', 'Feb']
}
​
df = pd.DataFrame(data)
print("原始数据:")
print(df)

创建基本透视表：

# 按区域和产品计算平均销售额
pivot_avg = pd.pivot_table(df, values='Sales', index='Region', columns='Product', aggfunc='mean')
​
print("\n区域-产品平均销售额透视表:")
print(pivot_avg)

示例二，多维度透视表

# 添加月份维度
pivot_multi = pd.pivot_table(df, values='Sales', index=['Region', 'Product'], columns='Month', aggfunc='sum')
​
print("\n区域-产品-月度销售额透视表:")
print(pivot_multi)