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 har en analog til `.groupby()`-metoden som kan gi samme resultat. Det er opp til deg hvilken funksjon du vil bruke. La oss lære dette ved hjelp av et eksempel. Ved å bruke følgende funksjon, kalt `.pivot_table()`, skal vi beregne gjennomsnittsverdiene i kolonnen `'Length'` som har samme verdi i kolonnen `'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())

**Forklaring:**

```python
data = pd.pivot_table(data, values = 'Length',
                      index = 'Flight',
                      aggfunc = 'mean')
```
- `pd.pivot_table()` - funksjon som lager pivottabeller;
- `data` - dataframen som brukes;
- `values = 'Length'` - til argumentet `values` tildeles kolonner med samme gruppe, hvor vi skal beregne gjennomsnitt, maksimum osv. Hvis du vil gruppere etter flere kolonner, legg dem i en liste; rekkefølgen er ikke viktig;
- `index = 'Flight'` - `index` er et argument hvor du tildeler navnet på kolonnen eller kolonnene du vil gruppere etter. Hvis du vil gruppere etter flere kolonner, legg dem i en liste; rekkefølgen er viktig, som i `.groupby()`-funksjonen;
- `aggfunc = 'mean'` - tilsvarer `agg` i `.groupby()`-metoden, `aggfunc` har nøyaktig samme syntaks som `agg`. Du kan derfor legge til flere funksjoner her ved å legge dem i en liste, for å spesifisere funksjoner for ulike kolonner ved å bruke krøllparenteser.

Her er et eksempel på kode som bruker `.groupby()`-setningen. Velg det tilsvarende eksempelet som bruker funksjonen `.pivot_table()`.

Dette kurset inneholder mange nyttige funksjoner for en fremtidig dataanalytiker. Du vil lære ulike måter å hente ut data på og til og med sette betingelser for dem. Etter dette vil du bli kjent med metoder for å gruppere data. Du vil også lære hvordan du forhåndsbehandler data. Hver seksjon har sitt eget datasett, noe som gjør kurset engasjerende.

Denne seksjonen vil lære deg hvordan du kan hente ut spesifikke kolonner ved hjelp av titler eller indekser. Du vil også bli kjent med ulike måter å velge rader basert på indekser.

Her vil du lære hvordan du kan hente ut data som oppfyller spesifikke betingelser. Du vil også lære hvordan du kan kombinere dem og til og med lage dine egne.

I denne delen vil du utvide kunnskapen din om å sette ulike datakriterier. Du vil lære å sjekke om dataene dine finnes i en definert liste med verdier eller mellom to verdier. Du vil også lære hvordan du finner de største og minste verdiene.

Denne seksjonen er en av de mest fascinerende i kurset. Her vil du lære hvordan du kan gruppere data på ulike måter. Dette vil hjelpe deg som dataanalytiker med å finne informasjon om spesifikke datagrupper.

Denne seksjonen er en av de viktigste for en dataanalytiker fordi det vil være umulig å arbeide med dataene dersom de inneholder manglende verdier eller feil format. Derfor vil du lære hvordan du håndterer slike upassende verdier her.

Håndtering av pivottabeller