在创建合并多个列的新列时，如何在pandas中多次透视数据帧？

在pandas中，可以使用pivot_table函数来创建和合并多个列的新列，实现多次透视数据帧的操作。

pivot_table函数的基本语法如下：

pandas.pivot_table(data, values=None, index=None, columns=None, aggfunc='mean', fill_value=None, margins=False, dropna=True, margins_name='All')

参数说明：

data：要进行透视的数据帧。
values：要聚合的列名或列名列表。
index：用于分组的列名或列名列表。
columns：用于创建新列的列名或列名列表。
aggfunc：聚合函数，默认为'mean'，可选值包括'mean'、'sum'、'count'等。
fill_value：用于填充缺失值的值。
margins：是否添加行和列的汇总，默认为False。
dropna：是否删除包含缺失值的行，默认为True。
margins_name：汇总行和列的名称，默认为'All'。

下面是一个示例，展示如何在pandas中多次透视数据帧：

import pandas as pd

# 创建示例数据帧
data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'Alice', 'Bob', 'Charlie'],
    'Category': ['A', 'B', 'A', 'B', 'A', 'B'],
    'Value1': [1, 2, 3, 4, 5, 6],
    'Value2': [7, 8, 9, 10, 11, 12]
}
df = pd.DataFrame(data)

# 多次透视数据帧
pivot_table1 = pd.pivot_table(df, values=['Value1', 'Value2'], index='Name', columns='Category', aggfunc='sum')
pivot_table2 = pd.pivot_table(df, values=['Value1', 'Value2'], index='Category', columns='Name', aggfunc='mean')

print("透视结果1：")
print(pivot_table1)
print("\n透视结果2：")
print(pivot_table2)

输出结果：

透视结果1：
        Value1     Value2    
Category      A  B       A   B
Name                          
Alice         1  4       7  10
Bob           5  2      11   8
Charlie       3  6       9  12

透视结果2：
         Value1                 Value2                
Name      Alice  Bob Charlie  Alice  Bob Charlie
Category                                         
A             1    5       3      7   11       9
B             4    2       6     10    8      12

以上示例中，首先创建了一个示例数据帧df，然后通过两次调用pivot_table函数分别对数据帧进行了两次透视操作，得到了两个新的数据帧pivot_table1和pivot_table2。最后，将透视结果打印输出。

推荐的腾讯云相关产品和产品介绍链接地址：