如何使用Python pandas将Dataframe转换为对应Excel样式透视表

前提准备 #

首先确保你的环境已经安装pandas库，未安装可先执行安装命令：
pip install pandas

操作步骤 #

• 第一步：导入pandas库

import pandas as pd

• 第二步：读取原始数据表到DataFrame
  如果原始数据存储为Excel文件，执行以下代码，文件路径替换为你自己的本地路径：

# 读Excel文件
df = pd.read_excel("你的原始数据文件路径.xlsx")
# 如果是csv格式，用以下代码
# df = pd.read_csv("你的原始数据文件路径.csv")

• 第三步：调用pivot_table方法生成透视表
  根据你提供的目标透视表样式，对应参数配置如下，字段名可根据你实际的原始表字段调整：

pivot_result = pd.pivot_table(
    df,
    # 行维度，对应Excel透视表的行区域
    index=["区域", "销售渠道"],
    # 列维度，对应Excel透视表的列区域
    columns="产品类别",
    # 要聚合的数值字段
    values="销售额",
    # 聚合方式，求和对应sum，计数用count、平均值用mean
    aggfunc="sum",
    # 空值填充为0，避免出现NaN
    fill_value=0,
    # 开启末尾总计行/列，和Excel透视表的总计功能一致
    margins=True,
    # 总计行/列的名称
    margins_name="总计"
)

• 第四步：查看生成的透视表
  在Jupyter Notebook中直接运行变量名即可渲染表格：
  pivot_result

如果需要把透视表导出到本地Excel，可执行以下代码：

pivot_result.to_excel("透视表结果.xlsx")

常用调整说明 #

• 如果需要同时按多种方式聚合，可将aggfunc参数配置为列表，例如aggfunc=["sum", "count"]即可同时展示销售额总和和订单数
• 如果不需要总计，直接删除margins和margins_name两个参数即可
• 如果你的原始表字段名和示例不一致，对应替换index、columns、values参数里的字段名即可

内容的提问来源于stack exchange，提问作者G_Man91