原書 Exercise 1 要求改用 Age Group 作 rows、閱讀本數作 columns，建立「平均閱讀百分比」PivotTable。
這個練習沿用 reading habits dataset，但把教育程度換成年齡群組。原書圖 5-11 顯示完整結果。
以下摘錄原書圖 5-11 的代表年齡群組，數值四捨五入至 2 位：
| Age Group | 0 | 5-9 | GE10 | LT5 |
|---|---|---|---|---|
| Y16-24 | 35.91 | 16.77 | 13.80 | 33.57 |
| Y25-34 | 45.63 | 12.89 | 11.44 | 30.38 |
| Y35-44 | 49.46 | 11.67 | 11.79 | 27.62 |
| Y45-54 | 48.46 | 12.39 | 13.10 | 26.40 |
| Y55-64 | 47.05 | 12.06 | 15.25 | 25.87 |
| Y65-74 | 45.16 | 12.79 | 17.93 | 24.34 |
| Y75-84 | 48.44 | 11.93 | 16.50 | 23.44 |
Prompt 核心：建立 PivotTable，Value 用 2022 percentage 的 Average，Rows 放 Age Group，Columns 放 number of books。Copilot 建表後需人工檢查分類與 totals。
代表組別中，Y16-24 的「0 本」比例最低（35.91%），同時 LT5 最高（33.57%）；Y65-74 的 GE10 約 17.93%，高於 Y25-34 的 11.44%。這些只是圖 5-11 中的描述性比較。
年齡分組讓閱讀模式變得更具體，但不同群組可能還混合多個教育程度、性別與國家。PivotTable 適合探索差異，不足以單獨證明年齡造成閱讀行為。
請在 reading habits Excel Table 建立 PivotTable：Age Group 放 rows、n_book 放 columns、2022 percentage 取 Average。完成後請指出最高／最低類別，但不要把相關性寫成因果。