透视表与交叉表的深度解析：pd.crosstab()与pd.pivot_table()详解

透视表（Pivot Table）和交叉表（Crosstab）都是用于数据分析的强大工具，它们能够将数据按照指定的维度进行聚合，从而方便地展示数据的分布和关系。在Python的pandas库中，我们可以使用pd.crosstab()和pd.pivot_table()函数来创建透视表和交叉表。
一、pd.crosstab()函数详解
pd.crosstab()函数用于创建交叉表，它能够快速地统计不同分类变量之间的关系。下面是该函数的参数说明：

• index：指定交叉表的行索引。
• columns：指定交叉表的列索引。
• values：指定要计算的值，可以是任何数值型数据。
• aggfunc：指定聚合函数，默认为’count’，也可以使用其他函数如’sum’、’mean’等。
• normalize：是否对结果进行归一化处理，默认为False。如果为True，则除数指定列的总和。
• dropna：是否删除包含空值的行或列，默认为True。
  下面是一个简单的例子，演示如何使用pd.crosstab()函数创建交叉表：

  import pandas as pd
  # 创建示例数据
  data = {'A': ['foo', 'foo', 'foo', 'bar', 'bar', 'bar'],
  'B': ['one', 'one', 'two', 'two', 'one', 'one'],
  'C': [1, 2, 3, 4, 5, 6]}
  df = pd.DataFrame(data)
  # 创建交叉表
  result = pd.crosstab(df['A'], df['B'])
  print(result)

  输出结果如下：

  B       one  two
  A
  bar     2    0    2
  foo     1    1    1

  二、pd.pivot_table()函数详解
  pd.pivot_table()函数用于创建透视表，它能够更灵活地按照多个维度进行数据聚合。下面是该函数的参数说明：
• data：指定要创建透视表的数据集。
• values：指定要计算的值，可以是任何数值型数据。
• index：指定透视表的行索引，可以是一个列名或多个列名。
• columns：指定透视表的列索引，可以是一个列名或多个列名。
• aggfunc：指定聚合函数，默认为’mean’，也可以使用其他函数如’sum’、’count’等。
• fill_value：指定用于填充缺失值的值，默认为NaN。
• margins：是否添加行/列小计和总计，默认为False。如果为True，则添加行/列小计和总计。
• dropna：是否删除包含空值的行或列，默认为True。
  下面是一个简单的例子，演示如何使用pd.pivot_table()函数创建透视表：

  import pandas as pd
  # 创建示例数据
  data = {'A': ['foo', 'foo', 'foo', 'bar', 'bar', 'bar'],
  'B': ['one', 'one', 'two', 'two', 'one', 'one'],
  'C': [1, 2, 3, 4, 5, 6],
  'D': [10, 20, 30, 40, 50, 60]}
  df = pd.DataFrame(data)
  # 创建透视表
  result = pd.pivot_table(df, values='D', index=['A', 'B'], columns=['C'], aggfunc='sum')
  print(result)