Python制作数据分析透视表的方法详解

前言

透视表（pivot table）是把"长表"转成"交叉表"的经典操作： 用一列做行标签、一列做列标签、一列做取值，交叉的格子里放聚合结果。 Excel 里的透视表人人会点，pandas 里对应的是pivot_table。

初学者最容易犯的两个错：一是把pivot和pivot_table当成一回事； 二是以为不传聚合函数就是求和。实际情况是：pivot只做重塑、不聚合， 遇到重复的"行×列"组合会直接报错；而pivot_table默认的聚合函数是平均值"mean"，不是求和。

需要说明：pandas 是第三方库，本机没有 Python 解释器也没有 pandas， 示例无法运行验证，只能逐行人工推演。参数细节以 Pandas 官方文档为准。

一、pivot_table 的参数

官方签名（以当前文档为准）：

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

理解方式：index和columns是分组维度，values是被聚合的度量，aggfunc决定怎么聚。它和groupby是一体的——pivot_table基本可以理解为 "按index和columns分组后，对values做aggfunc，再把结果摊开"。 参数里dropna=True指的是分组键含缺失的行会被丢弃， 和后面讲的"结果表里的空位"不是一回事，别混淆。

二、最基础的例子

# pandas 1.0+
import pandas as pd

df = pd.DataFrame(
{
"region": ["东", "东", "南", "南", "东"],
"month": ["1月", "2月", "1月", "2月", "1月"],
"amount": [10, 20, 30, 40, 50],
}
)

table = pd.pivot_table(
df,
values="amount",
index="region",
columns="month",
aggfunc="sum",
fill_value=0,
margins=True, # 加 All 合计行列
)
print(table)

注意这里显式写了aggfunc="sum"。如果不写，结果会是均值， 这是与直觉最不一致的地方，务必记住。

三、多个聚合函数、多列取值

aggfunc可以传列表，values也可以传列表：

# pandas 1.0+
table = pd.pivot_table(
df,
values="amount",
index="region",
columns="month",
aggfunc=["sum", "count"],
)

这样会产生"外层是聚合函数、内层是月份"的列层级（MultiIndex的列）。 当values和aggfunc都是列表时，列层级会更多一层， 取值时要用元组逐级定位，例如table[("sum", "1月")]。

四、fill_value 与 margins

• 
  
• fill_value填的是结果表里的空位。因为不是每种"维度组合"都有数据，
• 
  

交叉后必然出现空格，填 0 或填其他默认值能让表更整齐。

• 
  
• margins=True会增加All行和All列，值是对应的汇总。
• 
  

汇总用的函数由aggfunc决定；多函数时行为要按文档确认。

• 
  
• margins_name可改合计行列的名字，默认是"All"。
• 
  

五、pivot 与 pivot_table 的区别

pivot的语义很直接：index+columns必须唯一确定一个values， 否则就抛出ValueError: Index contains duplicate entries。 遇到这个报错，第一反应应该是改用pivot_table并指定aggfunc。

六、crosstab：另一条做交叉表的路

如果只是想数"两个类别交叉出现多少次"，pd.crosstab更顺手：

# pandas 1.0+
freq = pd.crosstab(df["region"], df["month"])
print(freq)

crosstab默认做的是计数（频数），它接受的是类别的序列而不是整张表， 语义上和透视表互补。它还支持normalize参数，用来把频数换算成比例或百分比 （例如按行、按列或整体归一），做占比分析时很方便。

七、把结果整理成"平表"

透视表的结果通常带着行索引和列索引（可能是多层），直接写 Excel 会挤在一起， 不适合再加工。常见的整理方式是"压平列名 + 重置索引"：

# pandas 1.0+
flat = table.reset_index()
flat.columns = ["_".join(map(str, col)) if isinstance(col, tuple) else str(col)
for col in flat.columns]
print(flat)

reset_index()把行索引变回普通列，列名若是多层元组就拼成一个字符串， 得到的就是一张规规矩矩的平表，可以直接交给to_excel或下游系统。

如果只是想快速看结构，table.stack()/table.unstack()能在 "宽表"和"长表"之间切换；但stack后缺失值默认会被丢掉， 需要保留请显式传dropna=False。

八、完整示例

# pandas 1.0+
import pandas as pd


def report(rows: pd.DataFrame) -> pd.DataFrame:
table = pd.pivot_table(
rows,
values="amount",
index="region",
columns="month",
aggfunc="sum",
fill_value=0,
margins=True,
margins_name="合计",
)
return table.sort_values("合计", ascending=False)


if __name__ == "__main__":
data = pd.DataFrame(
{
"region": ["东", "南", "东"],
"month": ["1月", "1月", "2月"],
"amount": [10, 30, 20],
}
)
print(report(data))

常见坑点

1. 
   
2. 以为pivot_table默认求和
3. 
   

❌ 不写aggfunc直接调用，得到的是平均值，和报表预期不符 ✅ 求和就写aggfunc="sum"，求计数写"count"或"size"

1. 
   
2. 用pivot处理有重复组合的数据
3. 
   

❌df.pivot(index="a", columns="b", values="c")，抛"重复条目"错误 ✅ 改pivot_table(..., aggfunc="sum")让重复组合被聚合掉

1. 
   
2. 用==之类的判等去找透视表里的空值
3. 
   

❌ 结果表里的空位当成普通缺失用==比，比不出来 ✅ 生成时就传fill_value=0，或事后用isna()判定

1. 
   
2. fill_value和原始数据的填充搞混
3. 
   

❌ 以为fill_value会改原始DataFrame✅fill_value只作用于生成的透视表，原表不变

1. 
   
2. 多函数聚合后按列名直接取列
3. 
   

❌table["1月"]报 KeyError，因为列已经变成多层索引 ✅ 用元组定位table[("sum", "1月")]，或先table.columns看层级

1. 
   
2. aggfunc="count"与"size"混用
3. 
   

❌ 想数行数却用"count"，结果NaN没被算进去，数目偏小 ✅"count"数非缺失值，"size"数行数（含缺失），按需求选

1. 
   
2. 分组维度里有分类类型时列爆炸
3. 
   

❌ 某个键是category类型且基数很大，透视表出几百列且大量为空 ✅ 注意observed参数：为True时只显示出现过的组合，避免空组合撑爆列

总结

透视表的本质是"分组 + 摊开"。只要记住index/columns是维度、values是度量、aggfunc默认是均值，绝大多数困惑都能避免。 真正动手前，建议先在数据上跑一次groupby确认口径，再换pivot_table摊平。