透视表操作

Pandas 透视表高阶操作：pivot_table 参数配置、边缘汇总 margins 与交叉表 crosstab

小象实战讲义 · Python数据分析实战

在熟练掌握了透视表的基本概念之后，在实际报表工程中我们还需要处理更复杂的业务需求：例如缺失值填充（fill_value）、自动增加“总计/全量汇总行与列”（margins=True）、同时对多个指标应用不同的聚合函数，以及计算两个分类变量之间出现频次的交叉表（Cross Tabulation，crosstab）。Pandas 为此提供了极其丰富的高级配置项。本节我们将深入攻克透视表与交叉表的全套高级操作。

💡 核心导读

• pd.pivot_table() 高阶参数矩阵：
  • fill_value=0：将透视后产生的 NaN 单元格优雅替换为指定值；
  • margins=True 与 margins_name='Total'：自动生成行总计与列总计边缘汇总；
  • 传入多指标 Values 与多聚合函数 Aggfunc。
• 交叉表 pd.crosstab()：专门用于计算频数分布与交叉比率的轻量级工具（支持归一化 normalize）。
• 复合层级透视表构建。

1. 透视表高级参数：边缘汇总与多指标定制

开启 margins=True 可以一键生成类似 Excel 的“总计”行与“总计”列：

┌─────────────────────────────────────────────────────────────┐
│                 margins=True 边缘全景汇总                   │
├──────────────┬──────────────┬──────────────┬────────────────┤
│ 区域         │ 线上         │ 线下         │ Total (行汇总) │
├──────────────┼──────────────┼──────────────┼────────────────┤
│ 华北         │ 12000        │ 8500         │ 20500          │
│ 华东         │ 18500        │ 15000        │ 33500          │
├──────────────┼──────────────┼──────────────┼────────────────┤
│ Total(列汇总)│ 30500        │ 23500        │ 54000 (总计)   │
└──────────────┴──────────────┴──────────────┴────────────────┘

import pandas as pd
import numpy as np

# 创建电商多维度交易数据集
df_orders = pd.DataFrame({
    "region": ["华北", "华东", "华北", "华南", "华东", "华北", "华南"],
    "channel": ["线上", "线下", "线上", "线上", "线下", "线下", "线下"],
    "category": ["数码", "数码", "日用", "数码", "日用", "数码", "日用"],
    "revenue": [5000, 3500, 800, 6200, 1200, 4100, 950],
    "profit": [800, 600, 150, 1100, 200, 750, 180]
})

print("=== 1. 原始交易明细 ===")
print(df_orders)

# 1. 高级透视表：总和计算 + NaN 填充 0 + 开启边缘总计 (margins=True)
pt_advanced = pd.pivot_table(
    df_orders,
    values="revenue",
    index="region",
    columns="channel",
    aggfunc="sum",
    fill_value=0,
    margins=True,
    margins_name="全区域总计"
)

print("\n=== 2. 带边缘总计与 0 填充的高级透视表 ===")
print(pt_advanced)

# 2. 多指标多聚合函数透视表
pt_multi = pd.pivot_table(
    df_orders,
    values=["revenue", "profit"],
    index=["region", "category"],
    aggfunc={"revenue": "sum", "profit": "mean"}
)
print("\n=== 3. 多层行索引与差异化聚合透视表 ===")
print(pt_multi.round(1))

2. 交叉频数表 pd.crosstab 实战

crosstab 能够快速统计两组或多组离散变量之间的交叉样本频数与百分比构成。

# 1. 计算 (地区 x 渠道) 的订单频数分布
ct_count = pd.crosstab(df_orders["region"], df_orders["channel"], margins=True)
print("=== 4. 交叉频数表 (订单笔数分布) ===")
print(ct_count)

# 2. 计算按行归一化的百分比构成 (normalize='index')
ct_pct = pd.crosstab(
    df_orders["region"],
    df_orders["channel"],
    normalize="index"
) * 100

print("\n=== 5. 渠道占比分布矩阵 (按行归一化百分比 %) ===")
print(ct_pct.round(1))

📝 动手练一练

1. 概念思考题：pd.crosstab() 与 pd.pivot_table() 在使用场景上的最大分工区别是什么？

   👉 点击查看参考答案

   参考答案：

   • pd.crosstab()：主要用于计算离散分类变量之间的交叉频数（Counts）或占比（Proportions）；
   • pd.pivot_table()：主要用于对连续数值型字段进行复杂的求和、均值等多指标聚合计算。

2. 编程练习：给定客户画像表，请使用 pd.crosstab() 统计 'gender'（性别）与 'vip_level'（会员等级）的交叉客户人数分布。

   👉 点击查看参考答案

   参考答案：

   import pandas as pd
   df = pd.DataFrame({'gender': ['男', '女', '男', '女'], 'vip_level': ['V1', 'V2', 'V2', 'V1']})
   ct = pd.crosstab(df['gender'], df['vip_level'])
   print(ct)

本章小结

• 熟练掌握了 pivot_table 中 fill_value 与 margins 边缘总计的高阶配置；
• 掌握了在透视表中对多个指标定义不同 aggfunc 聚合规则的方法；
• 熟练运用 pd.crosstab 与 normalize 生成频数分布与占比矩阵。

📋 行动清单

• 在本地执行示例代码，观察控制台输出并记录关键指标。
• 做好准备，进入下一小节学习《数据规整(1)：数据合并与轴向堆叠 pd.concat》！

—— 小象教研组