如何对数据框进行透视？

透视是一种转换，它采用具有代表类别的列和代表值的行的数据框，并重新定向它，以便类别位于行中，值位于列中，索引设置为原始行值。

基本语法：

df.pivot(index=, columns=, values=)

示例：

• 以单一为中心column:

df.pivot(index='row', columns='col', values='val')

• 在多列上进行透视：

df.pivot(index=['row', 'item'], columns='col', values='val')

• 对多个值进行透视：

df.pivot(index='row', columns='col', values=['val0', 'val1'])

• 使用自定义聚合进行透视函数：

df.pivot(index='row', columns='col', values='val', aggfunc='mean')

• 处理重复keys:

默认情况下，如果行或列标签中有重复的键，将会引发错误。或者，您可以使用：

df.pivot_table(index='row', columns='col', values='val', fill_value=0)

• 其他方法旋转:

• groupby unstack:

  df.groupby('row', 'col')['val'].mean().unstack(fill_value=0)

• pd.DataFrame.set_index：使用set_index设置行轴和列轴，然后unstack到pivot。
• pd.crosstab：专为创建交叉表或数据透视表而设计。

高级数据透视技巧：

• 交叉表（频数统计）：

pd.crosstab(index=df['row'], columns=df['col'], values=df['val'], aggfunc='count')

• 多重聚合函数：

df.pivot_table(index='row', columns='col', values='val', aggfunc=['mean', 'sum'])

• 按多列细分：

df.pivot_table(index='row', columns=['item', 'col'], values='val', fill_value=0, aggfunc='mean')