Réinitialiser l’index après un pivotement (reset_index())

Fonctions :

• df.reset_index()

  La méthode reset_index() permet de réinitialiser l’index d’un DataFrame, c’est-à-dire de remettre les index par défaut (0, 1, 2, ...). Elle est souvent utilisée après des opérations comme pivot(), pivot_table() ou groupby(), qui peuvent produire des index multi-niveaux (MultiIndex). ✅ Elle remet les colonnes de l’index en colonnes normales du DataFrame.

  Importation :

  import pandas as pd

  Attributs :

  Paramètre	Description
  level	Niveau ou niveaux de l’index à réinitialiser (utile avec un MultiIndex).
  drop (bool)	Si True, l'index est réinitialisé sans être ajouté comme colonne (par défaut False).
  inplace (bool)	Si True, applique directement la modification sur le DataFrame (sans retour).
  col_level	Si le DataFrame a des colonnes multi-niveaux, permet de préciser à quel niveau ajouter l’index.
  col_fill	Valeur de remplissage des colonnes vides après réinitialisation.

  Exemple de code :

  📋 Copy

  import pandas as pd
  
  # Exemple de pivot_table
  df = pd.DataFrame({
      'Magasin': ['Paris', 'Paris', 'Lyon', 'Lyon', 'Paris'],
      'Produit': ['A', 'B', 'A', 'B', 'A'],
      'Vente': [100, 150, 80, 120, 130]
  })
  
  # Création d'une pivot_table avec Magasin comme index
  pivot = df.pivot_table(index='Magasin',
                         columns='Produit',
                         values='Vente',
                         aggfunc='mean')
  
  print("Pivot Table avant reset_index():\n", pivot)
  
  # Réinitialiser l'index
  pivot_reset = pivot.reset_index()
  
  print("\nPivot Table après reset_index():\n", pivot_reset)

  

  Explication du code :

  La ligne import pandas as pd importe la bibliothèque pandas, renommée ici en pd pour faciliter son utilisation dans le code.

  Exemple de pivot_table

  Ensuite, un DataFrame nommé df est créé avec les colonnes suivantes : Magasin, Produit, et Vente. Il contient des données fictives pour des magasins, des produits et leurs ventes respectives.

  df = pd.DataFrame({
      'Magasin': ['Paris', 'Paris', 'Lyon', 'Lyon', 'Paris'],
      'Produit': ['A', 'B', 'A', 'B', 'A'],
      'Vente': [100, 150, 80, 120, 130]
  })

  Ce code crée un DataFrame avec des informations sur les magasins, les produits et les ventes associées.

  Création d'une pivot_table avec Magasin comme index

  La fonction pivot_table() est utilisée pour créer un tableau croisé dynamique à partir du DataFrame df. Les paramètres spécifient :

  • index='Magasin' : L'index du tableau sera basé sur les magasins.
  • columns='Produit' : Les produits seront affichés en colonnes.
  • values='Vente' : Les valeurs dans le tableau seront les ventes.
  • aggfunc='mean' : La fonction d'agrégation utilisée est la moyenne des ventes.

  Le résultat de pivot = df.pivot_table(index='Magasin', columns='Produit', values='Vente', aggfunc='mean') sera un tableau croisé dynamique où chaque magasin aura une ligne et les produits seront les colonnes avec la moyenne des ventes comme valeur.

  Réinitialiser l'index

  La méthode reset_index() permet de réinitialiser l'index du tableau croisé dynamique. Cela transforme l'index en une colonne standard et crée un nouvel index numérique.

  pivot_reset = pivot.reset_index()

  Après cette opération, le tableau croisé dynamique est réindexé de manière numérique.

  Afficher les résultats

  La ligne print("Pivot Table avant reset_index():\n", pivot) affiche le tableau croisé dynamique avant réinitialisation de l'index.

  La ligne print("\nPivot Table après reset_index():\n", pivot_reset) affiche le tableau après réinitialisation de l'index.