目標：
1.不同年度的電影的最高分及平均分數
2.不同類型電影，近幾年的最高及平均分數

  電影名稱    年份  分數
0  A電影  2020  54
1  B電影  2020  90
2  C電影  2020  58
3  A電影  2021  53
4  B電影  2021  66
5  C電影  2021  82
6  A電影  2022  85
7  B電影  2022  75
8  C電影  2022  56

mport pandas as pd
movie = pd.DataFrame([
    ['A電影', 2020, 54],
    ['B電影', 2020, 90],
    ['C電影', 2020, 58],
    ['A電影', 2021, 53],
    ['B電影', 2021, 66],
    ['C電影', 2021, 82],
    ['A電影', 2022, 85],
    ['B電影', 2022, 75],
    ['C電影', 2022, 56],
], columns=['電影名稱', '年份', '分數'])
print(movie)

執行結果：
 電影名稱    年份  分數
0  A電影  2020  54
1  B電影  2020  90
2  C電影  2020  58
3  A電影  2021  53
4  B電影  2021  66
5  C電影  2021  82
6  A電影  2022  85
7  B電影  2022  75
8  C電影  2022  56

1. 不同年度的電影的最高分及平均分數

pivot_table_1 = pd.pivot_table(
    movie, index='年份', values='分數', aggfunc={'分數': ['max', 'mean']}
)

print(pivot_table_1)

執行結果：
       max       mean 
年份                  
2020   90  67.333333
2021   82  67.000000
2022   85  72.000000

pivot_table() 函數的 index 參數指定行標籤，values 參數指定分析欄位，aggfunc 參數指定統計項目。
使用 「年份」作為行標籤， 「分數」作為分析欄位，aggfunc 參數指定 max 和 mean 兩個統計項目。

2. 不同類型電影，近幾年的最高及平均分數

recent_years = [2020, 2021, 2022]
pivot_table_2 = pd.pivot_table(
    movie.loc[movie['年份'].isin(recent_years)],
    index='電影名稱',
    values='分數',
    aggfunc={'分數': ['max', 'mean']})
print(pivot_table_2)

執行結果：
        max       mean 
電影名稱                
A電影    85  64.000000
B電影    90  77.000000
C電影    82  65.333333

使用 「電影名稱 」作為行標籤， 「分數」作為分析欄位，aggfunc 參數指定 max 和 mean 兩個統計項目。我們還使用 loc 函數來過濾出近幾年的數據。

完成~