如何透視資料框？

透視法是一種轉換，它採用具有代表類別的列和代表值的行的資料框，並重新定向它，以便類別位於行中，值位於列中，索引設定為原始行值。

基本文法：

df.pivot(index=, columns=, values=)

範例：

• 以單一為中心column:

df.pivot(index='row', columns='col', values='val')

• 在多列上進行透視：

df.pivot(index=['row', 'item'], columns='col', values='val')

• 對多個值進行透視：

df.pivot(index='row', columns='col', values=['val0', 'val1'])

• 使用自訂聚合進行透視函數：

df.pivot(index='row', columns='col', values='val', aggfunc='mean')

• 處理重複keys:

預設情況下，如果行或列標籤中有重複的鍵，將會引發錯誤。或者，您可以使用：

df.pivot_table(index='row', columns='col', values='val', fill_value=0)

• 其他方法旋轉:

• groupby unstack:

  df.groupby('row', 'col')['val'].mean().unstack(fill_value=0)

• pd.DataFrame.set_index：使用set_index設定行軸和列軸，然後unstack到pivot。
• pd.crosstab：專為建立交叉表或資料透視表而設計。

進階資料透視技巧：

• 交叉表（頻率統計）：

pd.crosstab(index=df['row'], columns=df['col'], values=df['val'], aggfunc='count')

• 多重聚合函數：

df.pivot_table(index='row', columns='col', values='val', aggfunc=['mean', 'sum'])

• 依多列細分：

df.pivot_table(index='row', columns=['item', 'col'], values='val', fill_value=0, aggfunc='mean')