Réorganiser les données avec pivot()

Fonctions :

Warning: Trying to access array offset on value of type bool in /home/datacrt/www/wp-content/themes/knowledge-base-lite/single-sous-section.php on line 59


• df.pivot(index='col1', columns='col2', values='col3')

  Crée un nouveau DataFrame en réorganisant les données selon une structure de tableau croisé. On passe : Une colonne pour l'index. Une colonne pour les en-têtes de colonnes. Une colonne pour les valeurs. Cela permet de transformer un DataFrame en format long (tidy) en format large (wide). C'est idéal pour restructurer les données avant une analyse ou une visualisation.

  Importation :

  import pandas as pd

  Attributs :

  Paramètre	Description
  index	Colonne(s) à utiliser comme index du DataFrame résultant.
  columns	Colonne(s) à utiliser pour créer les noms de colonnes.
  values	Colonne(s) contenant les valeurs à remplir dans les cellules du tableau résultant.

  Exemple de code :

  import pandas as pd
  
  # DataFrame exemple
  df = pd.DataFrame({
      'Date': ['2024-01-01', '2024-01-01', '2024-01-02', '2024-01-02'],
      'Produit': ['A', 'B', 'A', 'B'],
      'Vente': [100, 150, 120, 130]
  })
  
  # Réorganisation avec pivot
  pivot_df = df.pivot(index='Date', columns='Produit', values='Vente')
  
  print(pivot_df)

  Explication du code :

  🔹 Explication du code

        On applique un pivot :

  • • index='Date' ➡️ Les dates deviennent l'index des lignes.
    • columns='Produit' ➡️ Les produits deviennent les en-têtes de colonnes.
    • values='Vente' ➡️ Les ventes remplissent les cellules du tableau.

  🔸 Remarques pratiques

  • pivot() fonctionne si chaque combinaison index/columns est unique.
    ➡️ Si ce n'est pas le cas, il lèvera une erreur ValueError: Index contains duplicate entries.
    ➡️ Pour les cas avec doublons, il faut utiliser pivot_table() qui peut agréger (aggfunc).

  • Si besoin, on peut remettre à plat un DataFrame pivoté avec .reset_index()