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.

Pythonissa on olemassa `.groupby()`-menetelmän vastine, joka voi tuottaa saman lopputuloksen. Voit itse valita, kumpaa toimintoa käytät. Tutustutaan tähän esimerkin avulla. Käytetään seuraavaa funktiota, nimeltään `.pivot_table()`, ja lasketaan sarakkeen `'Length'` keskiarvot niille riveille, joilla sarakkeen `'Flight'` arvo on sama:

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())

**Selitys:**

```python
data = pd.pivot_table(data, values = 'Length',
                      index = 'Flight',
                      aggfunc = 'mean')
```
- `pd.pivot_table()` – funktio, joka luo pivot-taulukoita;
- `data` – käytettävä data frame;
- `values = 'Length'` – argumenttiin `values` annetaan sarakkeet, joilla on sama ryhmä, ja joille lasketaan esimerkiksi keskiarvo, maksimi jne. Jos haluat ryhmitellä useamman sarakkeen mukaan, laita ne listaan; järjestyksellä ei ole väliä;
- `index = 'Flight'` – `index` on argumentti, johon annetaan sarakkeen tai sarakkeiden nimi, joiden mukaan halutaan ryhmitellä. Jos haluat ryhmitellä useamman sarakkeen mukaan, laita ne listaan; järjestyksellä on väliä, kuten `.groupby()`-funktiossa;
- `aggfunc = 'mean'` – sama kuin `agg` `.groupby()`-menetelmässä, `aggfunc` käyttää täsmälleen samaa syntaksia kuin `agg`. Voit siis antaa useita funktioita laittamalla ne listaan ja määrittää funktiot eri sarakkeille käyttämällä aaltosulkuja.

Tässä on esimerkki koodista, joka käyttää `.groupby()`-lausetta. Valitse vastaava esimerkki, jossa käytetään `.pivot_table()`-funktiota.

Tämä kurssi sisältää runsaasti hyödyllisiä toimintoja tulevalle data-analyytikolle. Opit erilaisia tapoja tietojen poimimiseen ja voit jopa asettaa niille ehtoja. Tämän jälkeen tulet tutuksi tietojen ryhmittelymenetelmien kanssa. Lisäksi opit, kuinka esikäsitellä tietoja. Jokaisessa osiossa on oma tietoaineistonsa, joten kurssi on mukaansatempaava.

Tässä osiossa opit, kuinka voit tulostaa tiettyjä sarakkeita niiden nimien tai indeksien perusteella. Lisäksi tutustut tapoihin, joilla voit valita rivejä indeksien avulla.

Tässä opit, kuinka voit poimia dataa, jolla on tietyt ehdot. Opit myös, kuinka yhdistää näitä ehtoja ja jopa luoda omia ehtoja.

Tässä osiossa laajennat tietämystäsi erilaisten datan ehtojen asettamisesta. Opit tarkistamaan, onko datasi määritellyssä arvolistassa tai kahden arvon välillä. Opit myös löytämään suurimmat ja pienimmät arvot.

Tämä osio on yksi kurssin kiehtovimmista. Tässä opit ryhmittelemään dataa eri tavoilla. Tämä auttaa sinua työskentelemään data-analyytikkona ja löytämään tietoa tietyistä dataryhmistä.

Tämä osio on yksi tärkeimmistä data-analyytikolle, koska jos data sisältää puuttuvia arvoja tai on väärässä muodossa, sen kanssa työskentely on mahdotonta. Tässä opit käsittelemään tällaisia sopimattomia arvoja.

Pivot-taulukoiden käsittely