共850字，阅读时间3分钟
回顾
昨天总结了Pandas的顶层函数：pivot()，变化长格式数据为宽格式，详细可以回看： 
深入Python数据分析：宽表如何重构为长表
深入Python数据分析：数据由长格式变为宽格式
pivot_table
pivot()函数没有数据聚合功能，要想实现此功能，需要调用Pandas包中的第三个顶层函数：pivot_table()，在pandas中的工程位置如下所示：
pandas
|
pivot_table()
如下，构造一个df实例：
调用如下操作：
参数index指明A和B为行索引，columns指明C列取值为列，聚合函数为求和，values是在两个轴(index和columns)确定后的取值用D列。得到结果如下:
其中聚合函数可以更加丰富的扩展，使用多个。如下所示，两个轴的交叉值选用D和E，聚合在D列使用np.mean(), 对E列使用np.sum, np.mean, np.max, np.min
得到结果如下所示：
函数原型
fill_value: 空值的填充值；
dropna: 如果某列元素都为np.nan, 是否丢弃；
margins: 汇总列， margins_name: 汇总名称
margins参数默认为False，如果设置为True，会得到每列的汇总，如下df实例
设置margins为True，汇总行索引为名称自定义为self_name:
注意
margins设置为True后，目前pandas 0.22.3版本只支持聚合函数为单个元素，不支持为list的情况，如下：
会报出异常：
透过pivot_table聚合功能源码(如下所示)，我们发现它本身是通过调用groupby()及其agg()实现的。
grouped = data.groupby(keys, observed=False)agged = grouped.agg(aggfunc)总结
其他使用细节，会以后慢慢补充，pivot_table功能类似于excel中的数据透视表，在做数据分析时经常会用到。大家不妨平时中多使用现成的API，加速工作效率。