假设我们有以下 DataFrame：

import pandas as pd
 
df = pd.DataFrame({'Name': ['Alice', 'Bob', 'Charlie', 'Alice', 'Bob', 'Charlie'],
                   'Color': ['Red', 'Green', 'Blue', 'Red', 'Green', 'Blue'],
                   'Amount': [10, 20, 30, 5, 15, 25]})
 
print(df)

       Name  Color  Amount
0     Alice    Red      10
1       Bob  Green      20
2   Charlie   Blue      30
3     Alice    Red       5
4       Bob  Green      15
5   Charlie   Blue      25

为了按 Name 和 Color 列进行分组和透视，我们可以使用 pivot_table() 函数。首先，我们可以将 DataFrame 按照 Name 和 Color 列分组，并且计算每组中 Amount 列的总和：

table = df.groupby(['Name', 'Color'])['Amount'].sum().reset_index()
 
print(table)

       Name  Color  Amount
0     Alice    Red      15
1       Bob  Green      35
2   Charlie   Blue      55

现在，我们可以使用 pivot_table() 函数将 Name 列作为行索引，Color 列作为列索引，Amount 列作为值，并且使用 sum 函数聚合每组的值：

result = table.pivot_table(index='Name', columns='Color', values='Amount', aggfunc='sum')
 
print(result)

Color    Blue  Green   Red
Name                     
Alice     NaN    NaN  15.0
Bob       NaN   35.0   NaN
Charlie  55.0    NaN   NaN

输出结果显示了不同颜色的总和，以及每个名称的总和。NaN 值表示没有匹配的项。