Lernen Umgang mit Pivot-Tabellen

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' aufweisen:


              123456789101112131415
            
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:

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 denselben Gruppierungswert besitzen und für die die Berechnung des Mittelwerts, Maximums usw. durchgeführt wird. Bei Gruppierung nach mehreren Spalten diese als Liste angeben; die Reihenfolge ist hierbei nicht entscheidend;
index = 'Flight' – index ist ein Argument, dem der Name einer Spalte oder mehrerer Spalten zugewiesen wird, nach denen gruppiert werden soll. Bei Gruppierung nach mehreren Spalten diese als Liste angeben; die Reihenfolge ist hierbei entscheidend, wie bei der .groupby()-Funktion;
aggfunc = 'mean' – entspricht agg in der .groupby()-Methode, aggfunc besitzt exakt die gleiche Syntax wie agg. Es können mehrere Funktionen angegeben werden, indem sie in einer Liste zusammengefasst werden, um verschiedene Funktionen für unterschiedliche Spalten mit geschweiften Klammern zu spezifizieren.

Hier sehen Sie ein Beispiel für einen Code, der die .groupby()-Anweisung verwendet. Bitte wählen Sie das entsprechende Analogon unter Verwendung der Funktion .pivot_table() aus.

Select the correct answer

data_flights = pd.pivot_table(data, 
    values = ['AirportFrom', 'AirportTo'],
    index = ['Length', 'Time'],
    aggfunc = 'min'
)

data_flights = pd.pivot_table(data, 
    values = ['AirportTo', 'AirportFrom'],
    index = ['Length', 'Time'],
    aggfunc = 'mean'
)

data_flights = pd.pivot_table(data, 
    values = 'AirportTo', 'AirportFrom',
    index = ['Length', 'Time'],
    aggfunc = 'min'
)

War alles klar?

Danke für Ihr Feedback!

Abschnitt 4. Kapitel 5

Fragen Sie AI

Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen

Suggested prompts:

Can you explain the difference between .groupby() and .pivot_table() in more detail?

What other aggregation functions can I use with .pivot_table()?

How can I group by multiple columns using .pivot_table()?

Awesome!

Completion rate improved to 3.03

Swipe um das Menü anzuzeigen


              123456789101112131415
            
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())