在學習pandas的時候，發現了一個統計資料的神奇pivot_table，資料透視表，是以根據知乎上的一篇文章在這裡整理一下pivot_table如何使用？
分為下面幾個問題:
- 什麼是透視表？詳見百科
透視表是一種可以對資料動态排布并且分類彙總的表格格式。或許大多數人都在Excel使用過資料透視表（如下圖），也體會到它的強大功能，而在pandas中它被稱作pivot_table。
2. 為什麼要使用透視表？
- 靈活性高，可以随意定制你的分析計算要求
- 脈絡清晰易于了解資料
- 操作性強，報表神器
-
如何使用透視表
首先讀取資料，本文将火箭隊當家吉祥物James_Harden本賽季比賽資料作為資料集進行講解
import pandas as pd
import numpy as np
df = pd.read_csv('h:/James_Harden.csv',encoding='utf8')
df.tail()
首先，說一下pivot_table的函數原型如下：
pandas.pivot_table - pandas 0.21.0 documentation
pivot_table(data, values=None, index=None, columns=None,aggfunc=‘mean’, fill_value=None, margins=False, dropna=True, margins_name=‘All’)
pivot_table有四個最重要的參數index、values、columns、aggfunc，本文以這四個參數為中心講解pivot操作是如何進行。
Index
每個pivot_table必須擁有一個index，如果想檢視哈登對陣每個隊伍的得分，首先我們将對手設定為index：
對手成為了第一層索引，還想看看對陣同一對手在不同主客場下的資料，試着将對手與勝負與主客場都設定為index
試着交換下它們的順序，資料結果一樣：
看完上面幾個操作，Index就是層次字段，要通過透視表擷取什麼資訊就按照相應的順序設定字段，是以在進行pivot之前你也需要足夠了解你的資料。
Values
通過上面的操作，我們擷取了james harden在對陣對手時的所有資料，而Values可以對需要的計算資料進行篩選，如果我們隻需要james harden在主客場和不同勝負情況下的得分、籃闆與助攻三項資料：
Aggfunc
aggfunc參數可以設定我們對資料聚合時進行的函數操作。
當我們未設定aggfunc時，它預設aggfunc='mean’計算均值。我們還想要獲得james harden在主客場和不同勝負情況下的總得分、總籃闆、總助攻時：
Columns
Columns類似Index可以設定列層次字段，它不是一個必要參數，作為一種分割資料的可選方式。
#fill_value填充空值,margins=True進行彙總
pd.pivot_table(df,index=[u'主客場'],columns=[u'對手'],values=[u'得分'],aggfunc=[np.sum],fill_value=0,margins=1)
pivot_table vs. groupby
你應該了解了pivot_table的用法？是不是在哪見過？
對，Groupby！
pd.pivot_table(df,index=[字段1],values=[字段2],aggfunc=[函數],fill_value=0)
df.groupby([字段1])[字段2].agg(函數).fillna(0)
上面兩個函數完全等價，pivot_table仿佛是加入了columns與margin功能的groupby函數，比groupby更加靈活。
query
當表格生成後如何查詢某一項資料呢？
ex.根據上表查詢哈登對陣灰熊時的資料
Cheat Sheet
詳情參見原文位址：
https://zhuanlan.zhihu.com/p/31952948