一行代码制作数据分析交叉表，太便捷了

,在前文中我们了解到Pandas模块中的pivot_table()函数可以用来制作数据透视表。,那我们按照惯例，首先导入模块并且来读取所要使用到的数据集，引用的依然是之前制作数据透视表的数据集,那这里小编是通过自定义一个函数，然后通过调用该函数来读取数据，在实际工作当中每个人都可以根据自己的喜好来操作：,output,,交叉表是用于统计分组频率的特殊透视表。简单来说，就是将两个或者多个列中不重复的元素组成一个新的DataFrame，新数据的行和列交叉的部分值为其组合在原数据中的数量，我们先来看一个简单的例子，代码如下：,output,,在行方向上代表的是不同的地区，而在列方向上代表的则是不同的咖啡种类，出来的结果表示的是不同地区不同咖啡种类的汇总数据，,output,例如我们筛选出地区是中部地区并且品种是茶饮的数据，出来的结果总共有336条数据，和交叉表中的结果一致。,,我们可以对列名以及行索引更换名字，通过调用rownames参数以及colnames参数，代码如下：,output,,除了咖啡的品类之外，我们还想要知道到底不同品种的咖啡在批发和零售之间销量的数据，就可以这么来操作：,output,,或者是,output,,输出的DataFrame数据集当中的列有两层，最上面的是咖啡的种类，然后紧接着第二层的便是不同的市场，当然我们也可以在行方向上添加多个层次的索引，代码如下：,output,,和pd.pivot_table()函数一样，我们也可以通过调用当中的margin参数来给整合出来的数据做一个加总，代码如下：,output,,我们还能指定该列的列名。,output,,另外还有参数normalize用来将所有值除以值的总和进行归一化。,output,,我们从美观的角度出发，想要保留两位小数，代码如下：,output,,要是和之间的margin参数相结合来使用的话，将所有的结果汇总到一起等于100%，代码如下：,output,,最后还有values以及aggfunc两参数，其中aggfunc参数具体指的是指定聚合函数，例如平均数、求和以及中位数等统计方法，对value参数指定的连续性变量的列进行计算。,output,当前数据集中“market”、“region”、“product_category”、“product”四列是离散型变量，而有“cost”、“inventory”、“net_profit”、“sales”四列是连续性变量，分别代表的是成本、库存、净利润以及销量，其中我们想针对不同地区、不同咖啡种类的成本做一个平均值，那么代码如下：,output,,要是我们想要对计算出来的结果保留两位小数，代码如下：,output,,当然要是针对存在缺失值的情况，我们也可以替换成其他值来处理，代码如下：,output,