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 には、`.groupby()` メソッドと同様の機能を持つアナログがあり、同じ結果を得ることができます。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。次の関数 `.pivot_table()` を使用して、列 `'Length'` で同じ値を持つ `'Flight'` 列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する同じグループを持つ列を指定します。複数の列でグループ化したい場合はリストで指定します。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ますが、順序は `.groupby()` 関数と同様に重要です。
- `aggfunc = 'mean'` - `agg` メソッドにおける `.groupby()` と同様に、`aggfunc` は `agg` とまったく同じ構文を使用します。複数の関数を指定する場合はリストで、異なる列ごとに関数を指定するには中括弧を使用します。

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。

このコースは、将来のデータアナリストのために多くの有用な関数を含んでいます。さまざまなデータ抽出方法を学び、条件を設定することもできます。その後、データのグループ化手法に精通することができます。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、コースは魅力的なものとなっています。

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たり、自分自身で条件を作成したり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深めます。データが定義された値のリストに含まれているか、または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スキル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。したがって、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