对比Excel，学习pandas数据透视表

　　Excel中做数据透视表
　　选中整个数据源；
　　依次点击插入数据透视表
　　选择在Excel中的哪个位置，插入数据透视表
　　然后根据实际需求，从不同维度展示结果
　　结果如下
　　pandas用pivottable做数据透视表
　　1）语法格式pd。pivottable（data，indexNone，columnsNone，
　　valuesNone，aggfuncmean，
　　marginsFalse，marginsnameAll，
　　dropnaTrue，fillvalueNone）
　　2）对比excel，说明上述参数的具体含义
　　参数说明：
　　data相当于Excel中的选中数据源；
　　index相当于上述数据透视表字段中的行；
　　columns相当于上述数据透视表字段中的列；
　　values相当于上述数据透视表字段中的值；
　　aggfunc相当于上述结果中的计算类型；
　　margins相当于上述结果中的总计；
　　marginsname相当于修改总计名，为其它名称；
　　下面几个参数，用的较少，记住干嘛的，等以后需要就百度。
　　dropna表示是否删除缺失值，如果为True时，则把一整行全作为缺失值删除；
　　fillvalue表示将缺失值，用某个指定值填充。
　　案例说明
　　1）求出不同品牌下，每个月份的销售数量之和
　　在Excel中的操作结果如下
　　在pandas中的操作如下dfpd。readexcel（rC：Users黄伟Desktoppivottable。xlsx）
　　display（df。sample（5））
　　df。insert（，月份，df〔销售日期〕。apply（lambdax：x。month））
　　display（df。sample（5））
　　df1pd。pivottable（df，index品牌，columns月份，
　　values销售数量，aggfuncnp。sum）
　　display（df1）
　　结果如下：
　　2）求出不同品牌下，每个地区、每个月份的销售数量之和
　　在Excel中的操作结果如下
　　在pandas中的操作如下dfpd。readexcel（rC：Users黄伟Desktoppivottable。xlsx）
　　display（df。sample（5））
　　df。insert（，月份，df〔销售日期〕。apply（lambdax：x。month））
　　display（df。sample（5））
　　df1pd。pivottable（df，index品牌，columns〔销售区域，月份〕，
　　values销售数量，aggfuncnp。sum）
　　display（df1）
　　结果如下：
　　3）求出不同品牌不同地区下，每个月份的销售数量之和
　　在Excel中的操作结果如下
　　在pandas中的操作如下dfpd。readexcel（rC：Users黄伟Desktoppivottable。xlsx）
　　display（df。sample（5））
　　df。insert（，月份，df〔销售日期〕。apply（lambdax：x。month））
　　display（df。sample（5））
　　df1pd。pivottable（df，index〔品牌，销售区域〕，columns月份，
　　values销售数量，aggfuncnp。sum）
　　display（df1）
　　结果如下：
　　4）求出不同品牌下的销售数量之和与货号计数
　　在Excel中的操作结果如下
　　在pandas中的操作如下dfpd。readexcel（rC：Users黄伟Desktoppivottable。xlsx）
　　display（df。sample（5））
　　df。insert（，月份，df〔销售日期〕。apply（lambdax：x。month））
　　display（df。sample（5））
　　df1pd。pivottable（df，index品牌，columns月份，
　　values〔销售数量，货号〕，
　　aggfunc｛销售数量：sum，货号：count｝，
　　marginsTrue，marginsname总计）
　　display（df1）
　　结果如下：
　　晚上好，我是小五