Aprende Gestión de Tablas Dinámicas

Python tiene un análogo del método .groupby() que puede conducir al mismo resultado. Depende de usted cuál función utilizar. Aprendámoslo usando un ejemplo. Utilizando la siguiente función, llamada .pivot_table(), calcularemos los valores medios de la columna 'Length' que tienen el mismo valor en la columna 'Flight':


              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())

Explicación:

data = pd.pivot_table(data, values = 'Length',
                      index = 'Flight',
                      aggfunc = 'mean')

pd.pivot_table() - función que crea tablas dinámicas;
data - marco de datos que utilizamos;
values = 'Length' - al argumento values, asignamos columnas que tienen el mismo grupo, para las cuales aplicaremos el cálculo del promedio, máximo, etc. Si desea agrupar por varias columnas, colóquelas en una lista; el orden no es crucial;
index = 'Flight' - index es un argumento al que se le asigna el nombre de una columna o columnas por las que desea agrupar. Si desea agrupar por varias columnas, colóquelas en una lista; el orden es crucial, como en la función .groupby();
aggfunc = 'mean' - igual que agg en el método .groupby(), aggfunc tiene exactamente la misma sintaxis que agg. Por lo tanto, puede colocar varias funciones aquí poniéndolas en una lista para especificar funciones para diferentes columnas usando llaves.

Aquí tienes un ejemplo de código que utiliza la instrucción .groupby(). Por favor, selecciona el análogo utilizando la función .pivot_table().

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'
)

¿Todo estuvo claro?

¡Gracias por tus comentarios!

Sección 4. Capítulo 5

Pregunte a AI

Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla

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

Desliza para mostrar el menú


              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())