Utiliser pivot_table() pour l’agrégation des données

Fonctions :

• df.pivot_table(index='col1', columns='col2', values='col3', aggfunc='mean')

  La méthode pivot_table() permet de créer une table de contingence ou un tableau croisé dynamique à partir des données du DataFrame. Elle est utilisée pour agréger, regrouper et résumer des données selon différentes dimensions, avec des fonctions d'agrégation personnalisées (comme mean, sum, count, etc.). ➡️ C'est un pivot plus puissant que pivot(), car il permet de gérer les doublons et d'agréger les données.

  Importation :

  import pandas as pd

  Attributs :

  Paramètre	Description
  index	La ou les colonnes qui servent d’index dans la table résultat.
  columns	Les colonnes à répartir en colonnes distinctes (valeurs deviennent en-têtes).
  values	La ou les colonnes numériques sur lesquelles appliquer l’agrégation.
  aggfunc	Fonction d'agrégation à appliquer (mean, sum, count, min, max, np.median, etc.).
  fill_value (optionnel)	Valeur utilisée pour remplacer les valeurs manquantes dans la table (exemple : 0).
  margins (optionnel)	Ajoute les totaux généraux si True.
  dropna (optionnel)	Supprime les colonnes dont toutes les valeurs sont NaN si True.

  Exemple de code :

  📋 Copy

  import pandas as pd
  
  # Exemple de DataFrame
  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
  pivot = df.pivot_table(index='Magasin',
                         columns='Produit',
                         values='Vente',
                         aggfunc='mean')
  
  print(pivot)

  

  Explication du code :

  Importation de la bibliothèque

  import pandas as pd

  Cette ligne importe la bibliothèque pandas, qui permet de manipuler des structures de données tabulaires en Python.

  Création d'un DataFrame

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

  On crée un DataFrame avec trois colonnes : Magasin, Produit et Vente, représentant les ventes de différents produits dans plusieurs magasins.

  Création d'une table de pivot

  pivot = df.pivot_table(index='Magasin', columns='Produit', values='Vente', aggfunc='mean')

  La méthode pivot_table() est utilisée pour créer une table de pivot. Elle agrège les données selon les magasins (index='Magasin'), les produits (columns='Produit'), et les ventes (values='Vente'). Ici, l'agrégation est effectuée en calculant la moyenne des ventes pour chaque produit dans chaque magasin (aggfunc='mean').

  Affichage de la table de pivot

  print(pivot)

  Cette ligne affiche la table de pivot qui présente la moyenne des ventes de chaque produit dans chaque magasin.