Pandas pivot_table 从参数到电商实战：聚合与多维透视完全指南

脚本专家

数据分析中，面对原始流水数据，需要按多个维度分组汇总出二维报表。Pandas 的 pivot_table 能将分组、聚合、重塑三步合并为一行代码，是生成报表的最直接工具。本文从参数详解、基础示例、真实场景、横向对比到综合实战，完整演示 pivot_table 的核心用法。

---

核心参数说明

pivot_table 的签名为：

2. pandas.pivot_table(
3.     data,
4.     values=None,
5.     index=None,
6.     columns=None,
7.     aggfunc='mean',
8.     fill_value=None,
9.     margins=False,
10.     dropna=True,
11.     margins_name='All',
12.     observed=False,
13.     sort=True
14. )

复制代码

每个参数的含义和注意事项：

- data：DataFrame，必填。
- values：str 或 list，要聚合的数值列；省略则对所有数值列聚合。
- index：str 或 list，行分组字段，传列表形成多层行索引。
- columns：str 或 list，列分组字段，传列表形成多层列索引。
- aggfunc：func / list / dict，默认 'mean'，支持字符串、函数、列表、字典，字典语法可对不同列使用不同聚合函数。
- fill_value：标量，聚合后产生的 NaN 用此值填充。
- margins：bool，是否添加行列汇总（小计/总计）。
- dropna：bool，聚合前丢弃全为 NaN 的列。注意与 fill_value 顺序：先丢后填。
- margins_name：str，汇总行/列标签，可改为“合计”或“总计”。
- observed：bool，仅对 Categorical 类型有效，建议 pandas 2.2+ 设为 True 只显示实际出现的组合，避免产生全零行。
- sort：bool，结果是否排序（v1.3.0 新增）。

---

基础用法演示

先准备示例数据：

2. import pandas as pd
3. import numpy as np
5. df = pd.DataFrame({
6.     "A": ["foo", "foo", "foo", "foo", "foo", "bar", "bar", "bar", "bar"],
7.     "B": ["one", "one", "one", "two", "two", "one", "one", "two", "two"],
8.     "C": ["small", "large", "large", "small", "small", "large", "small", "small", "large"],
9.     "D": [1, 2, 2, 3, 3, 4, 5, 6, 7],
10.     "E": [2, 4, 5, 5, 6, 6, 8, 9, 9]
11. })

复制代码

最基础用法：按 A、B 分行，按 C 分列，对 D 列求和：

2. table = pd.pivot_table(df, values='D', index=['A', 'B'],
3.                        columns=['C'], aggfunc="sum", fill_value=0)
4. print(table)

复制代码

输出中原本缺失的组合（如 foo/two/large）用 fill_value=0 填充为 0。

对不同列使用不同聚合函数：

2. table = pd.pivot_table(df, values=['D', 'E'], index=['A', 'C'],
3.                        aggfunc={'D': 'mean', 'E': ['min', 'max', 'mean']})
4. print(table)

复制代码

结果列变为多层索引，E 列下挂三个子列。

---

真实场景实战

1. 销售报表

按季度和地区汇总销售额与利润：

2. data = {
3.     '地区': ['华东', '华东', '华北', '华北', '华南', '华南'],
4.     '产品': ['A', 'B', 'A', 'B', 'A', 'B'],
5.     '季度': [1, 1, 1, 2, 2, 2],
6.     '销售额': [150000, 120000, 90000, 110000, 130000, 95000],
7.     '利润': [30000, 24000, 18000, 22000, 26000, 19000]
8. }
9. df_sales = pd.DataFrame(data)
10. pivot = pd.pivot_table(
11.     data=df_sales,
12.     values=['销售额', '利润'],
13.     index='季度',
14.     columns='地区',
15.     aggfunc='sum',
16.     fill_value=0,
17.     margins=True,
18.     margins_name='总计'
19. )
20. print(pivot)

复制代码

b]2. 时间维度多层索引

将“地区”和“月份”作为行索引，产品作为列：

2. df['月份'] = df['日期'].dt.month
3. pivot = pd.pivot_table(
4.     data=df,
5.     index=['地区', '月份'],
6.     columns='产品',
7.     values='销售额',
8.     aggfunc='sum'
9. )
10. # 用 xs 切片
11. print(pivot.xs('华东', level='地区'))

复制代码

3. 用户行为多函数聚合

同时查看总访问量和人均次数：

2. pivot = pd.pivot_table(
3.     data=df_user,
4.     index='用户等级',
5.     columns='访问渠道',
6.     values='访问次数',
7.     aggfunc=['sum', 'mean'],
8.     fill_value=0
9. )

复制代码

---

高级技巧

自定义聚合函数：用 lambda 计算极差（最大值减最小值）：

2. pivot = pd.pivot_table(df, values='D', index='A',
3.                        aggfunc=lambda x: x.max() - x.min())

复制代码

同时使用多个内置函数：

2. pivot = pd.pivot_table(df, values='D', index='A',
3.                        aggfunc=['sum', 'mean', 'count', np.std])

复制代码

扁平化多层列名：当 aggfunc 为列表/字典时，列索引变为 MultiIndex，可用列表推导压平：

2. pivot.columns = ['_'.join(col).strip() for col in pivot.columns.values]

复制代码

链式操作：透视结果是标准 DataFrame，可直接接 reset_index、sort_values、query：

2. result = (
3.     pd.pivot_table(df, values='销售额', index='地区', aggfunc='sum')
4.     .reset_index()
5.     .sort_values('销售额', ascending=False)
6.     .query('销售额 > 100000')
7. )

复制代码

---

相近方法对比

| 方法 | 支持重复值 | 支持聚合 | 输出格式 | 适用场景 |
|------|-----------|---------|---------|---------|
| pivot() | ❌ | ❌ | 宽格式 | 数据唯一，纯重塑 |
| pivot_table() | ✅ | ✅ 灵活 | 宽格式 | 汇总报表、多维分析 |
| groupby() | ✅ | ✅ 灵活 | 长格式 | 分组统计，输出灵活 |
| crosstab() | ✅ | ✅ 默认频次 | 宽格式 | 交叉频次统计 |

经验：生成“行×列”二维汇总统首选 pivot_table；仅单列分组用 groupby 更简洁；问卷交叉分析用 crosstab。

---

综合实战：电商订单分析

模拟 200 条订单数据，按地区+季度为行、产品类别为列，销售额求和、利润求均值，并添加总计：

2. import pandas as pd
3. import numpy as np
5. np.random.seed(42)
6. n = 200
7. df = pd.DataFrame({
8.     '地区': np.random.choice(['华东', '华北', '华南', '西部'], n),
9.     '产品类别': np.random.choice(['电子', '服装', '食品'], n),
10.     '季度': np.random.choice([1, 2, 3, 4], n),
11.     '销售额': np.random.randint(1000, 50000, n),
12.     '利润': np.random.randint(100, 10000, n),
13.     '订单数': np.random.randint(1, 100, n)
14. })
16. pivot = pd.pivot_table(
17.     data=df,
18.     values=['销售额', '利润'],
19.     index=['地区', '季度'],
20.     columns='产品类别',
21.     aggfunc={'销售额': 'sum', '利润': 'mean'},
22.     fill_value=0,
23.     margins=True,
24.     margins_name='汇总'
25. )
27. # 扁平化列名
28. pivot.columns = ['_'.join(col) for col in pivot.columns]
29. print(pivot.head(10))
31. # 单独看华东的数据
32. print(pivot.xs('华东', level='地区'))

复制代码

---

总结

pivot_table 将分组、聚合、重塑压缩为声明式代码。核心习惯：用 index/columns 控制维度，aggfunc 字典处理异构聚合，margins=True 自动加总计，fill_value 填充空缺，结果是标准 DataFrame 可继续链式操作。多跑真实数据，很快就能掌握。

热心网友1

楼主整理得很详细，从参数到场景实战都很清晰，尤其是对不同列使用不同聚合函数那段，之前一直没注意到 `aggfunc` 传字典的写法，学到了。 想请教一个细节：在实际电商数据中，如果 `index` 和 `columns` 里都有很多分类字段（比如地区、品类、渠道），生成的透视表列数会爆炸，有没有什么方法在 `pivot_table` 之后快速筛选出需要的子表？目前我都是用 `xs` 或 `loc` 做切片，但多层索引切起来容易搞混。或者有没有更优雅的扁平化方式？感谢分享！

热心网友1

写得非常详细，参数解释和场景示例都很清楚，特别是对不同列用不同聚合函数和实际销售报表的案例，特别实用。之前我每次用multi-level columns时都容易搞混，看了你的多层索引和xs切片那段，终于理清了。有个小问题想请教：在真实场景中，如果index和columns里都有缺失值，pivot_table默认会怎么处理？dropna=True是先剔除所有包含NaN的行再聚合吗？谢谢。

热心网友1

感谢楼主的详细教程！之前用 pivot_table 经常记不清参数，你这篇把每个参数都拆开讲清楚，还配了电商实战例子，特别实用。我平时做销售报表时也喜欢用 margins 加总计，但有时对不同列选不同 aggfunc 会把多级列索引搞乱，你给的字典写法刚好解决了这个痛点。另外想请教一下，如果数据里 index 或 columns 的字段中有 NaN，fill_value 在聚合前和聚合后的处理顺序有没有什么坑？希望楼主再讲讲这个细节。