5行代码创建Excel式透视表教程

使用pandas可快速实现Excel透视表功能：先导入pandas并创建DataFrame，再用pivot_table进行分组汇总，支持多级索引、多列分组、自定义聚合及结果导出。

如果您希望快速对数据进行分组和汇总分析，但又不想打开Excel，可以使用Python中的pandas库在几行代码内实现类似Excel透视表的功能。以下是具体操作步骤：

本文运行环境：MacBook Pro，macOS Sonoma

一、准备数据与导入库

要创建透视表，首先需要导入pandas库并构造一个包含示例数据的DataFrame，这是后续所有操作的基础。

1、打开Python编辑器或Jupyter Notebook，输入：import pandas as pd。

2、创建示例数据字典，包含类别、地区和销售额字段。

3、使用 pd.DataFrame() 将字典转换为DataFrame格式。

二、使用pivot_table函数生成基础透视表

pandas提供的pivot_table函数功能强大，可直接实现多维度的数据聚合，类似于Excel中的拖拽字段操作。

1、调用 pd.pivot_table() 函数，并传入上一步创建的DataFrame。

2、设置index参数为分组字段，例如“类别”或“地区”。

3、指定values参数为需要汇总的数值列，如“销售额”。

4、设定aggfunc参数定义聚合方式，默认为求均值，可改为sum实现求和。

三、添加多级行索引与列分组

通过设置多个字段作为索引或列，可以实现更复杂的交叉分析，展示多层次的数据结构。

1、将index参数设为包含两个字段的列表，例如 ['类别', '地区']。

2、使用columns参数指定一个分类变量，如“季度”，以生成列方向的分组。

3、确保dropna=False以保留缺失组合的NaN值，便于后续分析。

四、自定义聚合函数与多指标汇总

除了基本的求和与平均，还可以同时计算多个统计量，满足多样化分析需求。

1、将aggfunc参数设为列表形式，例如 ['sum', 'mean']。

2、在values中指定多个数值列，实现跨字段聚合。

3、结果将显示每个组合下各项指标的汇总值，结构清晰易读。

五、导出结果至CSV文件

完成透视表构建后，可将其保存为外部文件，方便在Excel或其他工具中进一步查看或分享。

1、将生成的透视表赋值给一个变量，如result。

2、调用 result.to_csv('pivot_output.csv') 方法导出数据。

3、检查当前工作目录，确认CSV文件已成功生成且内容正确。