Summary  
Pivot tables let you reshape and summarize tabular data by grouping values into rows and columns and applying aggregation functions across multiple dimensions.  

General domain of usage  
Analyzing flight delay data.

Watch this video to see a step-by-step demonstration of how to use the `pivot_table()` function in pandas for data aggregation. You'll learn the differences between `.groupby()` and `.pivot_table()`, how to set up your pivot tables, and how to choose the right aggregation function for your analysis. This video includes practical examples using real-world flight data, helping you confidently apply pivot tables in your own data wrangling tasks.

Python verfügt über ein Analogon zur Methode `.groupby()`, das zum gleichen Ergebnis führen kann. Es liegt an Ihnen, welche Funktion Sie verwenden möchten. Lernen wir dies anhand eines Beispiels. Mit der folgenden Funktion, genannt `.pivot_table()`, berechnen wir die Mittelwerte der Spalte `'Length'`, die denselben Wert in der Spalte `'Flight'` haben:

import pandas as pd

data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/plane', index_col = 0)

# The code using .groupby()
data_flights_1 = data[['Length', 'Flight']].groupby('Flight').mean()
# The same code using .groupby()
data_flights_2 = data[['Length', 'Flight']].groupby('Flight').agg('mean')

# The same code using .pivot_table()
data_flights_3 = pd.pivot_table(data, values = 'Length',
                      index = 'Flight',
                      aggfunc = 'mean')

print(data_flights_1.head())

**Erläuterung:**

```python
data = pd.pivot_table(data, values = 'Length',
                      index = 'Flight',
                      aggfunc = 'mean')
```
- `pd.pivot_table()` – Funktion zur Erstellung von Pivot-Tabellen;
- `data` – verwendeter DataFrame;
- `values = 'Length'` – dem Argument `values` werden die Spalten zugewiesen, die dieselbe Gruppe haben und für die die Berechnung von Mittelwert, Maximum usw. durchgeführt wird. Wenn Sie nach mehreren Spalten gruppieren möchten, geben Sie diese als Liste an; die Reihenfolge ist dabei nicht entscheidend;
- `index = 'Flight'` – `index` ist ein Argument, dem Sie den Namen einer Spalte oder mehrerer Spalten zuweisen, nach denen gruppiert werden soll. Wenn Sie nach mehreren Spalten gruppieren möchten, geben Sie diese als Liste an; die Reihenfolge ist entscheidend, wie bei der Funktion `.groupby()`;
- `aggfunc = 'mean'` – wie `agg` in der Methode `.groupby()` hat `aggfunc` exakt die gleiche Syntax wie `agg`. Sie können hier mehrere Funktionen angeben, indem Sie sie in eine Liste setzen, um Funktionen für verschiedene Spalten mit geschweiften Klammern zu spezifizieren.

Hier ist ein Beispielcode, der die `.groupby()`-Anweisung verwendet. Bitte wähle das entsprechende Analogon mit der Funktion `.pivot_table()` aus.

Dieser Kurs enthält viele nützliche Funktionen für angehende Data Analysts. Sie lernen verschiedene Methoden zur Extraktion von Daten kennen und können sogar Bedingungen darauf anwenden. Anschließend werden Sie mit Methoden zur Gruppierung von Daten vertraut gemacht. Außerdem lernen Sie, wie man Daten vorverarbeitet. Jeder Abschnitt verfügt über einen eigenen Datensatz, sodass der Kurs spannend bleibt.

In diesem Abschnitt lernen Sie, wie Sie bestimmte Spalten anhand ihrer Titel oder Indizes ausgeben. Außerdem machen Sie sich mit den Methoden vertraut, mit denen Sie Zeilen anhand von Indizes auswählen können.

Hier lernen Sie, wie man Daten extrahiert, die bestimmte Bedingungen erfüllen. Außerdem lernen Sie, wie man diese kombiniert und sogar eigene Bedingungen erstellt.

In diesem Abschnitt erweitern Sie Ihr Wissen über das Festlegen verschiedener Datenbedingungen. Sie lernen, zu überprüfen, ob Ihre Daten in einer definierten Werteliste oder zwischen zwei Werten liegen. Sie erfahren außerdem, wie Sie die größten und kleinsten Werte finden.

Dieser Abschnitt ist einer der faszinierendsten des Kurses. Hier lernen Sie, wie Sie Daten auf verschiedene Arten gruppieren können. Dies wird Ihnen als Data Analyst helfen, Informationen über bestimmte Datengruppen zu ermitteln.

Dieser Abschnitt ist einer der wichtigsten für Datenanalysten, da es unmöglich ist, mit Daten zu arbeiten, wenn sie fehlende Werte oder ein falsches Format enthalten. Daher lernen Sie hier, wie man mit solchen ungeeigneten Werten umgeht.

Umgang mit Pivot-Tabellen