pivot_table(
    data= 表格,
    index= 行,
    columns= 列,
    values= 值,
    aggfunc= 计数函数,
    margins= True # 汇总统计
)

'''表格准备'''
import pandas as pd
import numpy as np

行 = ['A', 'B', 'C', 'D', 'E']
值 = [1, np.nan, '', ' ', '1']
df_jishu = pd.DataFrame([行, 值], index= ['行', '值']).T

df_jishu.insert(
    loc= 1,
    column= '列',
    value= ['数值', 'np.nan', '空字符串', '空格字符串', '其他非空字符串']
)

df_jishu_1 = pd.concat([df_jishu, df_jishu]).reset_index(drop= True)
df_jishu_1

'''
实验1
区分三种计数函数对缺失值的处理
'''

df_jishu_2 = df_jishu_1.pivot_table(
    index= '行',
    columns= '列',
    values= '值',
    aggfunc= [len, 'count', np.count_nonzero],
    margins= True
)
df_jishu_2.columns.names = ['计数函数', '数据类型']
df_jishu_2

'''
笔记1
计数函数 不同于 计算函数
比如 len 不同于 加减乘除或sum

笔记1.1
在计算函数中 含有非数值类型 会报错

笔记1.2
在计算函数中 含有np.nan 会导致结果为nan (加减乘除或sum)
但在pivot_table,分组求和,df.列求和中 计算函数会忽略np.nan
例如:
'''

sum([1,2,np.nan]) # 结果为nan

df_ = pd.DataFrame([['A']*3, [1,2]], index= ['0', '1']).T
df_.pivot_table(index= ['0'], values= ['1'], aggfunc= np.sum)
df_.groupby('0').sum() # 结果为3

'''
笔记2
margins 汇总统计中, 将各组内所有元素降维汇总到一起, 再统计

笔记3
三种计数函数的区别 见下表

笔记4
计算函数对np.nan的处理 
'''