熟悉Excel的应该都知道数据透视表，在Python中也有数据透视表的功能，就是pivot_table,默认参数有
pd.pivot_table(data, values=None, index=None,
columns=None, aggfunc='mean',fill_value=None,
margins=False,dropna=True,margins_name='All')
data就是将要透视的数据表，values是计算的字段，index是要分组的列，colulumns用于分组的列，出现在透视表的行，aggfunc，聚合函数，默认是mean，也可以自定义函数，fill_value用于替换结果表中的缺失值，margins添加行/列小计和总计，dropna为True时意思是剔除掉全为NaN的列，margins_name为总计的名称；下面例子的数据来源于kaggle：https://www.kaggle.com/wendykan/lending-club-loan-data
#读取数据
import numpy as np
import pandas as pd
df = pd.read_csv('loan_csv')
df.head(5)
看不同期数term下的合同状态：
pd.pivot_table(df, index=['loan_status'],values=['id'],
columns=['term'] ,aggfunc='count', margins=True)
看不同期数下贷款金额的总额、平均值和标准差,然后自定义一个函数，把最大贷款总额以万为单位显示
pd.pivot_table(df, index='term', values=['loan_amnt'],
aggfunc=[np.sum, np.mean, np.std,lambda x:max(x)/10000])
