持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第8天，点击查看活动详情
总计：今天是十月更文计划第八天，第十五篇
使用透视表与交叉表查看业绩汇总数据
（1）透视表
透视表用来根据一个或多个键进行聚合，把数据分散到对应的行和列上去，是数据分析常用技术之一。
pivot(index=None, columns=None, values=None)
参数index用来指定使用哪一列数据作为结果DataFrame的索引；
参数columns用来指定哪一列数据作为结果DataFrame的列名；
参数values用来指定哪一列数据作为结果DataFrame的值。
pivot_table(values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')
参数values、index、columns的含义与DataFrame结构的pivot()方法一样；
参数aggfunc用来指定数据的聚合方式，例如求平均、求和、求中值等；
参数margins用来指定是否显示边界以及边界上的数据；
参数margins_name用来指定边界数据的索引名称和列名；
参数dropna用来指定是否丢弃缺失值。
（2）交叉表
交叉表是一种特殊的透视表，往往用来统计频次，也可以使用参数aggfunc指定聚合函数实现其他功能。
crosstab(index, columns, values=None, rownames=None, colnames=None, aggfunc=None, margins=False, dropna=True, normalize=False)
参数values、index、columns的含义与DataFrame结构的pivot()方法一样；
参数aggfunc用来指定聚合函数，默认为统计次数；
参数rownames和colnames分别用来指定行索引和列索引的名字，如果不指定则直接使用参数index和columns指定的列名。
df = pd.read_excel(r'超市营业额2.xlsx')
print('查看每人每天交易总额'.ljust(20,'='))
dff = df.groupby(by=['姓名','日期'], as_index=False).sum() #按照“姓名”和“日期”进行分组，并且“姓名”和“日期”不做为索引，其他数据进行求和
# 数据量太大，为减少篇幅占用，只输出前5天的数据
dff = dff.pivot(index='姓名', columns='日期', values='交易额') #调用Pivot返回一个透视表，以“姓名”做索引，以“日期”做列，以“交易额”做值
print(dff.iloc[:,:5]) #切片输出前5列
print('交易总额低于5万元的员工前5天业绩'.ljust(20,'='))
print(dff[dff.sum(axis=1)<50000].iloc[:,:5]) #对刚才的dff表，按照行（axis=1）进行求和，如果,50000,则输出前5列
print('交易总额低于5万元的员工姓名'.ljust(20,'='))
print(dff[dff.sum(axis=1)<50000].index.values) #索引的值，就是姓名那一列的值
print('使用pivot_table()方法实现'.ljust(20,'='))
# 如果把只显示前5列的限制去掉，会发现最后还有一个名字为ALL的列
print(df.pivot_table(values='交易额', index='姓名', columns='日期', aggfunc='sum',margins=True).iloc[:,:5]) #聚合方式是求和，margins=True会在边界多一个all
print('查看每人在各柜台的交易总额'.ljust(20,'='))
dff = df.groupby(by=['姓名','柜台'], as_index=False).sum()
print(dff.pivot(index='姓名', columns='柜台', values='交易额'))
print('查看每人每天的上班次数'.ljust(20,'='))
print(df.pivot_table(values='交易额', index='姓名', columns='日期', aggfunc='count',margins=True).iloc[:,:5])
print('查看每人在各柜台的上班次数'.ljust(20,'='))
print(df.pivot_table(values='交易额', index='姓名', columns='柜台', aggfunc='count',margins=True))
输出的结果如下：
