pandas.pivot_table默认不等价于excel透视表，因默认aggfunc=np.mean且不自动处理重复键；需显式设aggfunc='sum'、dropna=true、fill_value=0，并用div+axis实现“值显示为”功能。
Python 的 pandas.DataFrame.pivot_table 能完整替代 Excel 透视表的常用操作，但默认行为和 Excel 有关键差异——比如缺失值处理、聚合逻辑、多级索引展开方式，不注意会得到“看起来一样但数值对不上”的结果。
为什么 pivot_table 默认结果和 Excel 不一致？
Excel 透视表默认对数值字段做求和（Sum），且自动忽略空单元格；而 pivot_table 默认用 np.mean，且把 NaN 当作有效值参与计算（除非显式指定 dropna=True）。更隐蔽的问题是：Excel 对重复组合（如相同行+列）自动聚合，而 pivot_table 遇到重复键时直接报错 ValueError: Index contains duplicate entries，除非你指定 aggfunc。
实操建议：
- 始终显式写明
aggfunc='sum'或aggfunc=np.sum，别依赖默认 - 加
dropna=True（默认就是True，但写出来更安心） - 如果原始数据有重复的
index+columns组合，必须用aggfunc，不能留空 - 用
fill_value=0替代默认的NaN，更贴近 Excel 显示习惯
pivot_table 的核心参数怎么配才像 Excel？
对照 Excel 透视表字段区：index ≈ 行标签，columns ≈ 列标签，values ≈ 数值字段，aggfunc ≈ 汇总方式（求和/计数/平均值）。
常见组合示例：
df.pivot_table(
index='region', # 行：地区
columns='product', # 列：产品
values='sales', # 值：销售额
aggfunc='sum', # 汇总：求和（不是默认 mean！）
fill_value=0, # 空白填 0，不是 NaN
dropna=True # 忽略含 NaN 的原始记录（默认 True，但建议显式写）
)
注意：values 必须是单列名或列名列表；若传入多列，aggfunc 也得是字典（如 {'sales': 'sum', 'qty': 'count'}），否则报错。
如何实现 Excel 里的“值显示为”（如百分比、差异）？
pivot_table 本身不支持 Excel 那种动态“显示值为 % of row total”功能，必须手动后处理。关键是利用返回的 pd.DataFrame 的层级索引（MultiIndex）和 div / apply 操作。
例如算每行占比：
pt = df.pivot_table(index='region', columns='product', values='sales', aggfunc='sum', fill_value=0) row_totals = pt.sum(axis=1) # 每行总和 pt_pct = pt.div(row_totals, axis=0).mul(100).round(1) # 转成百分比
容易踩的坑：
- 没重置索引就直接
div，会因索引对齐失败导致全NaN - 用
applymap（已弃用）或map处理整个 DataFrame，不如用div+axis精准 - 百分比结果没
round()，小数位太多，不像 Excel 默认保留 1 位
遇到 “Index contains duplicate entries” 怎么快速定位？
这不是 bug，是提醒你原始数据里存在相同的 index+columns 组合（比如两个订单同一地区+同一产品）。Excel 会自动合并求和，pandas 要你明确说“怎么合”。
诊断命令：
# 查哪几行重复了 dups = df.duplicated(subset=['region', 'product'], keep=False) df[dups].sort_values(['region', 'product'])
修复建议：
- 临时方案：加
aggfunc='sum'就能跑通（推荐） - 根治方案：检查业务逻辑，是否真该合并？还是该去重或加时间维度拆分？
- 别用
df.drop_duplicates()直接删——可能误删有效重复记录（如两笔独立销售）
多维透视时，index 和 columns 的字段顺序会影响最终行列方向，调换它们比改 Excel 拖拽还快；但一旦用了 margins=True，就无法再对 margin 行列做算术运算——这是 pandas 的硬限制，得提前想好是否需要合计行。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
