5-3 透视表与交叉表的报告单

5-3 透视表与交叉表：报告的排版工序

本节摘要：pivot_table把长表转成行列双维的横排报告，crosstab专做频次交叉，melt负责把宽表摊回长表。本节的核心是理解长宽两种数据形态的互换，这是报告排版与下游建模之间的摆渡船。

会诊指标算出来了（5-2），但那还是"每行一个门店"的长条表。管理层习惯看的是横排版：门店做行、渠道做列、格子里的金额。排版这道工序，就是长宽表的互换。

pivot_table：两维排版的会诊报告

import pandas as pd

df = pd.DataFrame({
    '门店': ['A', 'A', 'B', 'B', 'C', 'A', 'B', 'C'],
    '渠道': ['线上', '线下', '线上', '线上', '线下', '线上', '线下', '线上'],
    '月份': ['1月'] * 4 + ['1月'] * 2 + ['2月'] * 2,
    '金额': [1280, 960, 1732, 880, 2100, 1150, 990, 860],
})

# 行=门店 列=渠道 值=金额和
report = df.pivot_table(index='门店', columns='渠道', values='金额', aggfunc='sum')
print(report)
# 渠道    线上    线下
# 门店
# A    2430   960.0
# B    1732   990.0
# C     NaN  2100.0   ← C线上没开张
​

三个关键参数：margins补合计行、fill_value补缺格、aggfunc换指标：

print(df.pivot_table(index='门店', columns='渠道', values='金额',
                     aggfunc='sum', margins=True, margins_name='合计',
                     fill_value=0))
# 渠道    线上   线下   合计
# 门店
# A    2430   960   3390
# B    1732   990   2722
# C       0  2100   2100
# 合计  4162  4050   8212
​

⚠️ 常见坑：pivot_table的aggfunc默认是mean不是sum，而且不告警。金额透视忘了写aggfunc='sum'，报告里的数全成了均值——这是新手透视表事故的第一名。另外它的近亲pivot（无聚合版）要求行列组合唯一，有重复就抛错，遇到时说明该聚合了。

三维：行列再加层

# 月份塞进列的上一层，一张表装下两个月
wide = df.pivot_table(index='门店', columns=['月份', '渠道'],
                      values='金额', aggfunc='sum', fill_value=0)
print(wide)
# 月份   1月       2月
# 渠道  线上  线下  线上  线下
# 门店
# A   1280  960  1150    0
# B   2612    0     0  990
# C      0 2100     0  860
​

列变成多层索引——第02章2-3的分层知识在此兑现：wide['1月']直接取整个月块，wide.loc[:, ('1月', '线上')]定位单列。

crosstab：数人头专用

# 不填values时，crosstab数的是频次：每类组合几条记录
print(pd.crosstab(df['门店'], df['渠道']))
# 渠道  线上  线下
# 门店
# A      2    1
# B      1    1
# C      1    1

# normalize='index'：行内占比，一眼看出渠道结构
print(pd.crosstab(df['门店'], df['渠道'], normalize='index').round(2))
# 渠道   线上   线下
# 门店
# A    0.67  0.33
# B    0.50  0.50
# C    0.50  0.50
​

crosstab本质是"透视表数频次"的快捷方式，渠道结构、转化漏斗这类"看构成"的报告用它最快。

melt：宽表摊回长表

下游的绘图库与建模管线大多吃长表（每行一个观测），报告给人看是宽表，两者之间靠melt摆渡：

long = wide.reset_index().melt(id_vars='门店', var_name=['月份', '渠道'],
                               value_name='金额')
print(long.head(4))
#   门店   月份   渠道    金额
# 0   A  1月  线上  1280
# 1   B  1月  线上  2612
# 2   C  1月  线上     0
# 3   A  1月  线下   960
​

长宽表的摆渡关系

长表与宽表的双向摆渡

本节要点回顾

排版工序的最后一条经验：透视出的报告表在交付前补两个动作——给索引与列名起有业务含义的名字（rename_axis），以及把关键数字round到位数。机器不在乎这些，看报告的人在乎，而报告的最终读者永远是人。

• pivot_table三参数：aggfunc显式写sum（默认mean是事故源）、margins补合计、fill_value补缺格
• 多维排版产生多层列，分层取数是2-3知识的兑现
• crosstab数频次，normalize看构成占比
• melt是逆工序，报告宽表摊回明细长表喂给机器
• 长宽各有归宿：存档用长表、汇报用宽表，来回摆渡别怕

追问：透视表的格子数为什么会骗人

一张大透视表看着信息量大，但格子越多、每格样本越少，数字越不可信。门店乘渠道乘月份，三维一上，几十行的数据摊到上百个格子里，大半格子是小样本或空格。排版前先做一道算术：总记录数除以格子数，平均每格不到五条的透视表不值得给管理层看。要么降维（先只看门店乘渠道），要么先filter掉小样本组（上一节的器械），要么在格子里放count让人看见样本量。报表的美德是诚实，不是密集。

# 在报告里附上样本量，让读者自己判断可信度
counts = df.pivot_table(index='门店', columns='渠道',
                        values='金额', aggfunc='count', fill_value=0)
print(counts)
# 渠道  线上  线下
# 门店
# A      2    1
# B      1    1
# C      1    1
​

金额表配样本量表，两张一起出，这是我在实战里固定的报告姿势。

单表报告到此完工。下一章把订单、会员、门店多张表归并成一份完整病史。