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 possède un analogue de la méthode `.groupby()` qui peut conduire au même résultat. Le choix de la fonction à utiliser vous appartient. Découvrons-la à l'aide d'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'` :

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
data = pd.pivot_table(data, values = 'Length',
                      index = 'Flight',
                      aggfunc = 'mean')
```
- `pd.pivot_table()` : fonction qui crée des tableaux croisés dynamiques ;
- `data` : DataFrame utilisé ;
- `values = 'Length'` : à l'argument `values`, on assigne les colonnes ayant le même groupe, pour lesquelles on appliquera le calcul de la moyenne, du maximum, etc. Si vous souhaitez regrouper par plusieurs colonnes, placez-les dans une liste ; l'ordre n'est pas important ;
- `index = 'Flight'` : `index` est un argument auquel vous assignez le nom d'une colonne ou de colonnes à regrouper. Si vous souhaitez regrouper par plusieurs colonnes, placez-les dans une liste ; l'ordre est important, comme dans la fonction `.groupby()` ;
- `aggfunc = 'mean'` : identique à `agg` dans la méthode `.groupby()`, `aggfunc` possède exactement la même syntaxe que `agg`. Ainsi, vous pouvez placer plusieurs fonctions ici en les mettant dans une liste pour spécifier des fonctions pour différentes colonnes à l'aide d'accolades.

Voici un exemple de code utilisant l'instruction `.groupby()`. Veuillez choisir l'équivalent utilisant la fonction `.pivot_table()`.

Ce cours contient de nombreuses fonctions utiles pour un futur analyste de données. Vous apprendrez différentes méthodes d'extraction de données et pourrez même y appliquer des conditions. Ensuite, vous vous familiariserez avec les méthodes de regroupement des données. De plus, vous découvrirez comment prétraiter les données. Chaque section dispose de son propre ensemble de données, rendant le cours captivant.

Cette section vous apprendra comment afficher des colonnes spécifiques par leurs titres ou indices. Vous vous familiariserez également avec les différentes méthodes de sélection des lignes par indices.

Ici, vous apprendrez à extraire des données répondant à des conditions spécifiques. Vous apprendrez également à les combiner et même à créer vos propres conditions.

Dans cette section, vous approfondirez vos connaissances sur la définition de différentes conditions de données. Vous apprendrez à vérifier si vos données figurent dans une liste de valeurs définie ou se situent entre deux valeurs. Vous apprendrez également à identifier les valeurs les plus grandes et les plus petites.

Cette section est l'une des plus fascinantes du cours. Ici, vous apprendrez à regrouper des données de différentes manières. Cela vous aidera à travailler en tant qu'analyste de données pour obtenir des informations sur des groupes de données spécifiques.

Cette section est l'une des plus importantes pour un analyste de données, car si les données contiennent des valeurs manquantes ou sont dans un format incorrect, il sera impossible de les exploiter. Ainsi, vous apprendrez ici comment traiter de telles valeurs inappropriées.

Gestion des tableaux croisés dynamiques