pandas高维透视需精确控制aggfunc和values，避免默认聚合；多指标用groupby+agg替代crosstab；导出Excel需手动处理MultiIndex；大数据用chunksize分批聚合并统一dtype。
用 pandas.pivot_table 处理三维及以上维度的分组统计
高维数据透视不是堆叠更多 index 参数就能解决的——维度一多，pivot_table 默认会把未指定的列自动聚合（通常是 mean），结果容易漏掉关键指标。真正要保留多指标、多层级结构，得主动控制 aggfunc 和 values。
常见错误是把所有数值列一股脑塞进 values，导致输出列名混乱、类型不一致，后续难提取。正确做法是：明确列出需要统计的字段，每个字段配独立聚合方式。
-
values只填你真正在意的数值列，比如['sales', 'cost', 'qty'] -
aggfunc用字典精确映射，如{'sales': 'sum', 'cost': 'mean', 'qty': ['min', 'max']}，支持单函数或函数列表 - 若需同时看计数和均值，别写
'count'和'mean'两个键，直接用'sales': ['count', 'mean'] - 高维索引（
index含 3+ 列）时，加fill_value=0避免NaN干扰下游计算
避免 pd.crosstab 在多指标场景下失效
pd.crosstab 看似简洁，但它只接受单个 values 和单个 aggfunc，天生不支持「对 A 列按类别计数、对 B 列求和、对 C 列算标准差」这种混合需求。一旦强行套用，要么报错 ValueError: values must be a list，要么静默丢弃非首个指标。
替代方案是放弃 crosstab，改用 groupby + agg 手动构造透视骨架：
立即学习“Python免费学习笔记（深入）”；
df.groupby(['region', 'product', 'quarter'])[['sales', 'cost']].agg({
'sales': ['sum', 'std'],
'cost': 'mean'
}).round(2)
这样输出是 MultiIndex DataFrame，列名为 ('sales', 'sum')、('sales', 'std') 等，结构清晰且可直接导出为报表。
导出带层级标题的 Excel 报表时绕过 openpyxl 的合并单元格陷阱
直接调 to_excel 会把 MultiIndex 的行/列标题压成单行字符串，比如 ('sales', 'sum') 变成 sales, sum，丢失层次关系。想保留树状结构，必须用 openpyxl 手动写入，但很多人卡在合并单元格逻辑上——merge_cells 范围算错会导致 Excel 打不开或格式错乱。
- 先用
df.columns.to_flat_index()获取完整列路径，再按层级分组确定合并起止列 - 行索引同理，用
df.index.to_flat_index()解析层级深度 - 避免对空值区域调
merge_cells，openpyxl 会抛ValueError: Invalid cell reference - 更稳的做法：用
df.to_excel(..., header=False)关闭默认头，再用worksheet.cell()逐层写标题并手动合并
内存爆炸时用 chunksize + agg 分批处理大宽表
当原始数据超千万行、字段上百，pivot_table 会先把所有组合枚举出来再聚合，极易 OOM。此时不能依赖一次性加载，得切片聚合再合并。
核心思路是：按主分组字段（如 date 或 region）分块读取，每块单独 groupby.agg，最后用 pd.concat 汇总。注意点：
- 读 CSV 时用
chunksize=50000，避免单块过大 - 每块
agg返回的 DataFrame 必须结构一致（列名、顺序、类型），否则concat会出错 - 若需全局百分比类指标（如各 region 占比），得先算总基数，再分发到各 chunk 做除法，不能等 concat 后再算
-
dtype提前声明，尤其分类字段用category，能省 60%+ 内存
高维透视真正的难点不在语法，而在指标语义是否对齐、空值是否被隐式填充、导出后能否被业务方直接读取——这些细节不提前踩一遍，报表生成完才发现数字对不上，返工成本远高于初始设计。
