如何在Python中使用Pandas从excel表中创建一个带有多个索引的数据透视表

术语Pivot Table可以定义为Pandas函数，用于创建一个电子表格风格的透视表，作为一个DataFrame。它可以使用pivot_table()方法创建。

语法: pandas.pivot_table(data, index=None)

参数:

data : DataFrame
index: 列，Grouper，数组，或前面的列表。

返回值: DataFrame

注意：我们可以通过添加可选参数进一步过滤该表。

例子1：
我们可以通过运行以下程序来看一下数据。

# importing pandas as pd 
import pandas as pd
  
# Create the dataframe 
df=pd.read_csv('GeeksForGeeks.csv')
  
# Print the dataframe 
df

输出:

我们知道，索引是允许我们对数据进行分组的功能，在数据透视功能中指定多列作为索引，可以增加数据的细节和分组的水平。
在表中保留一个索引。

# importing pandas as pd 
import pandas as pd
  
# Create the dataframe 
df=pd.read_csv('GeeksForGeeks.csv')
  
# Print the resultant table
print(pd.pivot_table(df,index=["Country"]))

输出:

我们可以看到，分组是按国家进行的，数字数据被打印成与指定指数有关的所有数值的平均值。
现在，在表中保留多个索引。

# importing pandas as pd 
import pandas as pd
  
# Create the dataframe 
df=pd.read_csv('GeeksForGeeks.csv')
  
# Print the resultant table
print(pd.pivot_table(df,index=["Country","Salary"]))

输出:

例子 2:

# importing pandas as pd 
import pandas as pd
  
# Create the dataframe 
df=pd.read_csv('GeeksForGeeks_1.csv')
  
# Print the dataframe 
df

输出:

将球员的世纪得分和他们的名字作为指数，我们得到。

# importing pandas as pd 
import pandas as pd
  
# Create the dataframe 
df=pd.read_csv('dataset/new_players.csv')
  
# Print the resultant table
print(pd.pivot_table(df,index=["century","name"]))

输出: