Gestion des Tableaux Croisés Dynamiques

Python a un analogue de la méthode .groupby() qui peut conduire au même résultat. C'est à vous de décider quelle fonction utiliser. Apprenons-le en utilisant un exemple. En utilisant la fonction suivante, appelée .pivot_table(), nous allons calculer les valeurs moyennes de la colonne 'Length' qui ont la même valeur dans la colonne '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())

Explication :

python

pd.pivot_table() - fonction qui crée des tableaux croisés dynamiques ;
data - cadre de données que nous utilisons ;
values = 'Length' - à l'argument values , nous attribuons des colonnes ayant le même groupe, pour lesquelles nous appliquerons le calcul de la moyenne, du maximum, etc. Si vous souhaitez regrouper par plusieurs colonnes, mettez-les dans la liste ; l'ordre n'est pas crucial ;
index = 'Flight' - index est un argument auquel vous attribuez le nom d'une colonne ou des colonnes que vous souhaitez regrouper. Si vous souhaitez regrouper par plusieurs colonnes, mettez-les dans la liste ; l'ordre est crucial, comme dans la fonction .groupby() ;
aggfunc = 'mean' - identique à agg dans la méthode .groupby() , aggfunc a exactement la même syntaxe que agg . Ainsi, vous pouvez mettre plusieurs fonctions ici en les mettant dans la liste pour spécifier des fonctions pour différentes colonnes en utilisant des accolades.

Voici un exemple de code qui utilise l'instruction .groupby(). Veuillez choisir l'analogue utilisant la fonction .pivot_table().

Select the correct answer

data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/plane', index_col = 0)data_flights = pd.pivot_table(data, values = ['AirportFrom', 'AirportTo'], index = ['Length', 'Time'], aggfunc = 'min')print(data_flights.head())

data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/plane', index_col = 0)data_flights = pd.pivot_table(data, values = ['AirportTo', 'AirportFrom'], index = ['Length', 'Time'], aggfunc = 'mean')print(data_flights.head())

data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/plane', index_col = 0)data_flights = pd.pivot_table(data, values = 'AirportTo', 'AirportFrom', index = ['Length', 'Time'], aggfunc = 'min')print(data_flights.head())

Tout était clair ?

Merci pour vos commentaires !

Section 4. Chapitre 5

Demandez à l'IA

Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion

Contenu du cours

Techniques Avancées dans Pandas

1. Se Familiariser Avec l'Indexation et la Sélection de Données

2. Gestion des Conditions

Définir une Condition Sélection des Données en Fonction de la Condition Traiter Plusieurs Conditions Rendre Votre Code Magnifique Quiz sur les Conditions

3. Extraction de Données

4. Agrégation de Données

Se Familiariser Avec la Méthode .groupby()Regroupement par Plusieurs Colonnes Groupement Compliqué Groupement Avancé Gestion des Tableaux Croisés Dynamiques Créer un Tableau Croisé Dynamique

5. Prétraitement des Données