烹制篇-Day20｜透视起锅：pivot_table 数据透视表

📖 知识点

1. 什么是数据透视表？

透视表把数据重新 "摆盘"：一个维度放行、一个维度放列，交叉格子填统计值。比如行 = 菜系、列 = 时段、格子 = 销量，一张表看清 "每个菜系在午 / 晚餐的销量"。

💡 生活比喻 多列分组的结果是 "一长串"，透视表把它 "摊平" 成表格 —— 行是菜系、列是时段，纵横交叉，一目了然。

2. pivot_table 基础语法

df.pivot_table(values="销量", index="菜系", columns="时段", aggfunc="sum")

• values：要统计的列（数值）
• index：放 "行" 的维度
• columns：放 "列" 的维度
• aggfunc：聚合方式（sum/mean 等），默认 mean

运行输出：

时段   午餐  晚餐
菜系
川菜    60   80
鲁菜    40   50
粤菜    30   20

3. 对比多列分组

# 分组写法：竖着的一串
df.groupby(["菜系","时段"])["销量"].sum()
# 透视写法：横竖摊平的表格
df.pivot_table(values="销量", index="菜系", columns="时段", aggfunc="sum")

两者数据一样，但透视表更直观，适合把结果直接 "看" 出来。

⚠️ 易错提醒

1. pivot_table 的参数名是 values（统计列）、index（行维度）、columns（列维度）、aggfunc（聚合方式）
2. aggfunc 默认是 mean（均值），想求和要显式写 aggfunc="sum"
3. 别忘了 values，它决定中间格子里填哪列的数据

⚔️ Kata 实战任务

任务需求：

1. 导入 pandas，创建一份数据（菜系、时段、销量、价格）
2. 用 pivot_table(values="销量", index="菜系", columns="时段", aggfunc="sum") 生成透视表
3. 用 aggfunc="mean" 再生成一张均值透视表
4. 打印两张透视表，对比 sum 和 mean
5. 观察行 × 列交叉的统计规律

参考代码

import pandas as pd

data = {
    "菜系": ["川菜", "川菜", "鲁菜", "鲁菜", "粤菜", "粤菜"],
    "时段": ["午餐", "晚餐", "午餐", "晚餐", "午餐", "晚餐"],
    "销量": [60, 80, 40, 50, 30, 20],
}
df = pd.DataFrame(data)

# 透视起锅：生成透视表
print("===== 透视表：菜系(行) × 时段(列)，销量求和 =====")
print(df.pivot_table(values="销量", index="菜系", columns="时段", aggfunc="sum"))

print("\n===== 透视表：销量均值 =====")
print(df.pivot_table(values="销量", index="菜系", columns="时段", aggfunc="mean"))

运行输出：

===== 透视表：菜系(行) × 时段(列)，销量求和 =====
时段   午餐  晚餐
菜系
川菜    60   80
鲁菜    40   50
粤菜    30   20

===== 透视表：销量均值 =====
时段   午餐  晚餐
菜系
川菜    60   80
鲁菜    40   50
粤菜    30   20

💡 观察：这张透视表以 "菜系" 为行、"时段" 为列，交叉格子是销量。一眼看出：川菜晚餐卖得最好 (80)、粤菜晚餐最低 (20)。这就是透视表的直观优势。

🧠 思考题

1. 透视表的 "行、列、值、聚合方式" 分别由哪 4 个参数控制？
2. 透视表和 groupby 分组统计的结果有什么异同？什么场景用透视表更合适？