「这是我参与11月更文挑战的第23天，活动详情查看：2021最后一次更文挑战」。
该功能的实现和Excel的给同时大同小异。透视表也是实现数据的汇总统计。例如，按照某个分组变量统计商品的平均价格、销售数量、最大利润等，或者按照某两个分组变量构成统计学中的列联表（技术统计），甚至是基于多个分组变量统计各组合下的均值、中位数，总和等。如果你使用Excel，只需要简单的拖拉拽就可以迅速形成一张统计表。
Python中，pandas模块提供了实现透视表功能的pivot_table函数，该函数简单易用，与Excel的曹邹思想完全一致。以下是该函数的参数含义：
aggfunc='mean',fill_value=None,margins=False,
dropna=True,margins_name='All')
data:指定需要构造透视表的数据。
values:指定需要拉入“数值”框的字段列表。
index:指定需要拉入“行标签”框的字段列表。
columns:指定需要拉入“列标签”框的字段列表。
aggfunc:指定数值统计函数，默认为攻击均值，也可以指定numpy模块中的其他统计函数。
fill_value:指定一个标量，用于填充缺失值。
margins:bool类型参数，是否需要显示行或列的总计值，默认为False.
dropna:bool类型参数，是否需要删除整列为缺失的字段，默认为True.
margins_name:指定行或列的总计名称，默认为All。
举例子：
pd.pivot_table(r'C:\Users\Administrator\Desktop\diamonds.csv',sep=',')
pd.pivot_table(data=diamonds,index='color',values='price',
dropna=True,margins_name='总计')
结果就是基于单个分组变量color的汇总统计（price的均值），返回结果属于pandas模块中的序列类型，该结果与Excel形成的透视表完全一致。
构造两个分组变量的列联表代码：
#导入numpy模块
import numpy as np
pd.pivot_table(data=diamonds,index='clarity',columns='cut',values='carat',
aggfunc=nplsize, margins=True,margins_name='总计')
