开发者学堂课程【Python 常用数据科学库：数据透视表】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/546/detail/7486
数据透视表
如何做数据透视表
（一）
这是一份消费数据，在每个月份都有一些花费，比如在交通上的花费，在娱乐上、在家庭上的花费，这里都有花费的指标。
要对这个数据做一个统计，只不过这次统计不单单是两个变量之间，而是要考虑三个变量之间，或者说要考虑一个像数据透视表之类的结构。
1、先写一下 example 的表格，要执行这样的操作，需要指定几个关键的属性，第一个叫做 index，index 是需要自己指定的，相当于以谁为键，现在要统计的是不同种类的花销，以它建写出来，还需要一个列，把列指定成月份，相当于是统计一个指标，然后按照什么方式去统计。最后有个 values，相当于你要统计这个指标的什么属性，这里只有一个属性，就是花费，把花费再挪过来
example_pivot = example.pivot(index ='Category', columns='Month',values='Amount'
example_pivot
然后打印一下，这样就得到一个表格，这就是数据透视表。这就完成了第一件事——先做出来一个最基本的数据透视表。
这里重要的一点是有个 index 值，有个列名，有一个数值，这个就是根据你想统计的指标，自己指定就可以了。
2、基于这个表还可以再去执行一些操作，比如说可以求它的和
example_pivot.sum(axit=1)
当指定成零的时候，example_pivot.sum(axit=1)
运行
就是不同的月份又进行了一个指定，也就是说统计了不同月份的花销分别是多少。统计完这些指标之后，现在按行按列都能统计，这就是最基本的一个数据透视表。
（二）
1、可以自己来指定一下统计指标，比如说想看不同的性别在不同的船舱等级，以及它的一个平均船票价格是什么样的，也就是男性在一等舱平均的花费，女性在一等舱平均话费以及在二等舱、三等舱。Index 值指定成性别 Sex，第二列写的是船舱的等级 Pclass，再把要统计的数值给指定出来，这里统计的是价格 Fare。
df.pivot_table (index ='Sex',columns='Pclass',values='Fare')
执行一下
就得到这个结果，性别有女性有男性，女性在一等舱、二等舱、三等舱平均的船票价格，男性在一等舱、二等舱、三等舱平均的船票价格，这个就是数据透视表。
刚刚是统计平均的价格，但是没有去指定平均，所以说这里是默认求平均值，但如果需求变了，要求男性和女性在123等舱当中最大的船费花销是多少，就需要再加上一个参数， 把它指定成 max
df.pivot_table(index ='Sex',columns='Pclass' values='Fare',aggfunc=' max')
运行看到结果
2、求人数，女性在一等舱的人数，男性在一等舱的人数
指定 Count，相当于计数，这样就能得到人数分别是多少。除了这种方法，还有一个叫做 crosstab，
执行后的结果和上一个一样
pd.crosstab （index =df['Sex'],columns=df['Pclass']
如果要统计某一个键的一个指标，在某个列上它的分布情况，我们就可以用crosstable 来进行指定。
3、再来统计一些其他指标。看船舱的等级，在不同的性别上获救的情况，求它的均值
df['Underaged'］ = df[' Age'] <= 18
df.pivot_table( index='Underaged’,columns= 'Sex',values='Survived',aggfunc='mean')，
执行一下得到这样一个表格
在这个表格当中统计了两个量。第一个就是对于不同的船舱等级，女性和男性平均获救几率是有多大的，结果显示一等舱里女性获救几率96%，男性36%，相对来说比较贵的船舱等级，获救几率会比较高，二等舱和三等舱也是一样。在年龄里还可以进行划分，有一类是一个未成年的，看一下未成年人当中，对于性别来说，获救与否的情况。
df.pivot_table(index = 'Pclass', columns= 'Sex',values=' Survived', aggfunc='mean')
然后执行一下就算出来了。可以对数据执行很多种操作，这几个值都是常用的，一个是以什么为建，然后看哪几个列，看列当中的某一个属性能按照什么样的方式去计算，这个就是数据透视表。用起来是很方便的，尤其是在做数据分析统计的时候。
