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.

Python heeft een equivalent van de `.groupby()`-methode die tot hetzelfde resultaat kan leiden. Het is aan jou om te bepalen welke functie je gebruikt. Laten we dit leren aan de hand van een voorbeeld. Met behulp van de volgende functie, genaamd `.pivot_table()`, berekenen we de gemiddelde waarden van de kolom `'Length'` die dezelfde waarde hebben in de kolom `'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())

**Uitleg:**

```python
data = pd.pivot_table(data, values = 'Length',
                      index = 'Flight',
                      aggfunc = 'mean')
```
- `pd.pivot_table()` - functie die draaitabellen maakt;
- `data` - data frame dat we gebruiken;
- `values = 'Length'` - aan het argument `values` wijzen we kolommen toe met dezelfde groep, waarop we de berekening van het gemiddelde, maximum, enz. zullen toepassen. Als je wilt groeperen op meerdere kolommen, zet ze dan in een lijst; de volgorde is niet belangrijk;
- `index = 'Flight'` - `index` is een argument waaraan je de naam van een kolom of kolommen toewijst waarop je wilt groeperen. Als je wilt groeperen op meerdere kolommen, zet ze dan in een lijst; de volgorde is belangrijk, net als bij de `.groupby()`-functie;
- `aggfunc = 'mean'` - hetzelfde als `agg` in de `.groupby()`-methode, `aggfunc` heeft exact dezelfde syntaxis als `agg`. Je kunt hier dus meerdere functies plaatsen door ze in een lijst te zetten om functies voor verschillende kolommen te specificeren met behulp van accolades.

Hier zie je een voorbeeld van code die de `.groupby()`-instructie gebruikt. Kies de analoge optie met de `.pivot_table()`-functie.

Deze cursus bevat veel nuttige functies voor een toekomstige data-analist. Je leert verschillende manieren om data te extraheren en er zelfs voorwaarden op toe te passen. Daarna raak je vertrouwd met methoden voor het groeperen van data. Ook leer je hoe je data kunt preprocessen. Elke sectie heeft zijn eigen dataset, waardoor de cursus boeiend blijft.

In deze sectie leer je hoe je specifieke kolommen kunt weergeven op basis van hun titels of indexen. Ook maak je kennis met de manieren waarop je rijen kunt selecteren op basis van indexen.

Hier leert u hoe u gegevens extraheert die aan specifieke voorwaarden voldoen. Ook leert u hoe u deze kunt combineren en zelfs uw eigen voorwaarden kunt creëren.

In deze sectie breidt u uw kennis uit over het instellen van verschillende datacondities. U leert controleren of uw gegevens zich in een gedefinieerde lijst met waarden bevinden of tussen twee waarden liggen. U leert ook hoe u de grootste en kleinste waarden kunt vinden.

Deze sectie is een van de meest fascinerende van de cursus. Hier leert u hoe u gegevens op verschillende manieren kunt groeperen. Dit zal u helpen als data-analist om informatie te vinden over specifieke datagroepen.

Deze sectie is een van de belangrijkste voor een data-analist, omdat het onmogelijk zal zijn om met de gegevens te werken als deze ontbrekende waarden of een onjuist formaat bevatten. Daarom leer je hier hoe je met dergelijke ongeschikte waarden omgaat.

Werken met Draaitabellen