Summary  
This chapter demonstrates how to use pandas’ pivot_table() function to group tabular data by one or more columns and apply aggregation functions (like mean), comparing it to the equivalent groupby() approach.  

General domain of usage  
Data analysis

Python には、`.groupby()` メソッドと同様の機能を持つメソッドがあります。どちらの関数を使用するかは任意です。例を使って学習しましょう。次の `.pivot_table()` という関数を使用して、列 `'Length'` で同じ値を持つ行ごとに、列 `'Flight'` の平均値を計算します。

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())

**解説：**

```python
data = pd.pivot_table(data, values = 'Length',
                      index = 'Flight',
                      aggfunc = 'mean')
```
- `pd.pivot_table()` - ピボットテーブルを作成する関数。
- `data` - 使用するデータフレーム。
- `values = 'Length'` - `values` 引数には、平均や最大値などの計算を適用したい同じグループの列を指定します。複数の列でグループ化したい場合はリストで指定し、順序は重要ではありません。
- `index = 'Flight'` - `index` は、グループ化したい列名または列名のリストを指定する引数です。複数の列でグループ化する場合はリストで指定し、`.groupby()` 関数と同様に順序が重要です。
- `aggfunc = 'mean'` - `agg` メソッドの `.groupby()` と同様に、`aggfunc` も `agg` とまったく同じ構文を持ちます。複数の関数を指定したい場合はリストで渡し、波括弧を使って異なる列に対して関数を指定できます。

ここでは、`.groupby()`ステートメントを使用したコード例を示しています。`.pivot_table()`関数を使用した同等のコードを選択してください。

このコースには、将来のデータアナリストにとって有用な多くの関数が含まれています。さまざまなデータ抽出方法や条件設定について学びます。その後、データのグループ化手法に精通できます。また、データの前処理方法も学びます。各セクションには独自のデータセットが用意されているため、コースは魅力的な内容となっています。

このセクションでは、タイトルやインデックスによって特定の列を出力する方法を学びます。また、インデックスによって行を選択する方法についても理解を深めます。

ここでは、特定の条件を持つデータを抽出する方法を学びます。また、それらを組み合わせる方法や独自の条件を作成する方法も学びます。

このセクションでは、さまざまなデータ条件の設定に関する知識を拡張します。データが定義された値のリスト内にあるか、2つの値の間にあるかを確認する方法を学びます。また、最大値と最小値を見つける方法についても学びます。

このセクションは、本コースの中でも特に興味深い内容の一つです。ここでは、データをさまざまな方法でグループ化する方法を学びます。特定のデータグループに関する情報を見つけるために、データアナリストとして役立つ知識を身につけることができます。

このセクションはデータアナリストにとって最も重要なものの一つです。なぜなら、データに不適切な形式の欠損値が含まれている場合、作業が不可能になるためです。ここでは、そのような不適切な値への対処方法を学びます。

ピボットテーブルの取り扱い