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。
立即学习“Python免费学习笔记（深入）”；
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。
