5.3 汇总报表：pivot_table 与 crosstab
5.3 汇总报表：pivot_table 与 crosstab
本节摘要：报表室最常要的那张表——行是分组、列是分组、格子里是聚合值——不必"先聚合再变身"两步走，pivot_table 一步端出；纯数频次的场合，crosstab 更短。本节讲两个函数的核心参数与 margins 口径，并说明它们与 4.1、5.2 的血脉关系。承接 5.2 的长宽变身，为摆盘区收官。
上线前晨会临时要的那张表
上线前最后一次晨会，运营抛来一句："给我一张行是渠道、列是月份、格子里是总额的表，外加合计行列。"按部就班的做法是 groupby 聚合、再 unstack 展开、再补合计——三步，三处可以出错。pivot_table 把这三步打包成一个调用：聚合口径、长宽形态、合计边栏，全是参数。它是 4.1 的 groupby 与 5.2 的 pivot 的合体产物，也是日常交付频率最高的出表工具。往前承接两节的手艺，往后，你在 8.5 的流水线里会看到它以成品身份出场。
参数拆解：旋钮逐个拧
**pd.pivot_table(df, index, columns, values, aggfunc='mean', fill_value=None, margins=False, margins_name='All', dropna=True)**：index 与 columns 各领一组维度，values 是进格子的数值列，aggfunc 是聚合口径（可给函数名、函数列表或字典）；fill_value 填空格；margins=True 加合计行列，边栏名字用 margins_name 改（比如改成"合计"）。**pd.crosstab(index, columns, normalize=False, margins=False)**：专攻频次交叉表，本质是计数版透视表；normalize 三种口径——'index' 按行归一成占比、'columns' 按列、True 全表占比。
import pandas as pd df = pd.DataFrame({ "渠道": ["直营", "直营", "分销", "分销", "直播"], "月份": ["5月", "6月", "5月", "6月", "6月"], "金额": [120.0, 150.0, 88.0, 95.0, 180.0], }) report = pd.pivot_table( df, index="渠道", columns="月份", values="金额", aggfunc="sum", fill_value=0, margins=True, margins_name="合计", ) print(report) # 月份 5月 6月 合计 # 渠道 # 分销 88.0 95.0 183.0 # 直播 0.0 180.0 180.0 # 直营 120.0 150.0 270.0 # 合计 208.0 425.0 633.0
实操示例：从频次到占比的交叉分析
场景：分析"渠道与退款状态"的交叉分布——先看频数，再看行占比，一步一句。
df2 = pd.DataFrame({ "渠道": ["直营", "直营", "直营", "分销", "分销", "直播", "直播", "直播"], "状态": ["完成", "退款", "完成", "完成", "退款", "退款", "完成", "完成"], }) # 频数交叉表 print(pd.crosstab(df2["渠道"], df2["状态"], margins=True)) # 状态 完成 退款 All # 渠道 # 分销 1 1 2 # 直播 2 1 3 # 直营 2 1 3 # All 5 3 8 # 行占比：各渠道内部的退款率 rate = pd.crosstab(df2["渠道"], df2["状态"], normalize="index").round(2) print(rate["退款"]) # 渠道 # 分销 0.50 # 直播 0.33 # 直营 0.33
占比口径的选择就是结论口径的选择：按行归一看"各渠道内部退款率"，按列归一看"退款单的渠道构成"——同一张频数表，两种讲法，汇报前想清楚要回答哪一问。
报表的可读性收尾
数值对了，报表还要"能看"。三件小事常被忽略：列序——月份列默认按字典序排，"10月"会跑到"5月"前面，转成 3.4 的时间周期再排就对了；空格——fill_value 补零之前想清楚，零与"没有发生"在业务上是不是一回事；合计口径——margins 的合计是重新聚合的，与手工把各列相加在含 NaN 时会有出入，交付前抽一行核对。这些收尾不影响数字对错，却决定报表在汇报现场的命运。
坑点与翻车
**翻车一：默认聚合是均值。**pivot_table 的 aggfunc 默认 mean，忘改就得到"平均金额"的报表——要总额必须显式 aggfunc="sum"。这可能是全册出现率最高的一处"默认值事故"。**翻车二：margins 与 fill_value 的口径纠缠。**空格先被 fill_value 填成零、合计再把零算进去，边栏与明细加减能对上，但"有数据的格子数"这类统计就失真了——开 margins 的报表，建议边栏用与明细一致的聚合口径，必要时手工验一行合计。**翻车三：crosstab 只认Series 不认列名列表混搭。**传列名容易踩作用域问题，稳妥做法像示例那样显式取 df2["渠道"]；要多级交叉就传多个 Series 组成的列表。**翻车四：类别维度丢空组。**分组键是 category 类型时，没出现的类别默认被丢掉——pivot_table 与 crosstab 里显式传 dropna=False 或 observed 参数，空组才肯露面。
替代方案
它俩与 4.1 加 5.2 的组合完全等价：groupby(["渠道", "月份"]).sum().unstack() 得到同一张表——透视表胜在一句写完，groupby 组合胜在聚合口径更自由（比如同时要多个统计量再分别展开）。复杂的多层表头、条件格式，交给导出环节的样式工具处理；高频复用的报表，把参数封装成函数，口径写在函数名与注释里，比每次现场拼参数可靠。
收档清单
- 合体出身：pivot_table 等于 groupby 聚合加 pivot 展开，一步到位；
- 默认即坑：aggfunc 默认 mean，出总额报表必须显式改 sum；
- margins 加边：合计行列随 margins 开关，名字用 margins_name 改；
- crosstab 管频次：normalize 决定占比口径，行占比与列占比是两个问题；
- 空组可见：category 维度记得 dropna 与 observed 参数。
摆盘区三道菜至此出齐：合、变、报，一桌席成型。下一章转向随取随用的调味架——map、正则与抽样，见 6.1。