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 possui um análogo ao método `.groupby()` que pode levar ao mesmo resultado. Cabe a você decidir qual função utilizar. Vamos aprender isso por meio de um exemplo. Usando a seguinte função, chamada `.pivot_table()`, calcularemos os valores médios da coluna `'Length'` que possuem o mesmo valor na coluna `'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())

**Explicação:**

```python
data = pd.pivot_table(data, values = 'Length',
                      index = 'Flight',
                      aggfunc = 'mean')
```
- `pd.pivot_table()` - função que cria tabelas dinâmicas;
- `data` - data frame utilizado;
- `values = 'Length'` - ao argumento `values`, atribuímos as colunas que possuem o mesmo grupo, para as quais será aplicado o cálculo da média, máximo, etc. Se desejar agrupar por várias colunas, coloque-as em uma lista; a ordem não é importante;
- `index = 'Flight'` - `index` é um argumento ao qual você atribui o nome de uma coluna ou colunas que deseja agrupar. Se quiser agrupar por várias colunas, coloque-as em uma lista; a ordem é importante, assim como na função `.groupby()`;
- `aggfunc = 'mean'` - assim como `agg` no método `.groupby()`, `aggfunc` possui exatamente a mesma sintaxe de `agg`. Assim, é possível colocar várias funções aqui, inserindo-as em uma lista para especificar funções para diferentes colunas usando chaves.

Aqui está um exemplo de código que utiliza o comando `.groupby()`. Por favor, escolha o análogo utilizando a função `.pivot_table()`.

Este curso contém diversas funções úteis para um futuro analista de dados. Você aprenderá diferentes formas de extrair dados e até mesmo definir condições sobre eles. Após isso, estará familiarizado com os métodos de agrupamento de dados. Além disso, você aprenderá como pré-processar dados. Cada seção possui seu próprio conjunto de dados, tornando o curso envolvente.

Esta seção ensinará como exibir colunas específicas pelos seus títulos ou índices. Além disso, você se familiarizará com as formas de selecionar linhas por índices.

Aqui, você aprenderá como extrair dados que possuem condições específicas. Além disso, você aprenderá como combiná-las e até mesmo criar as suas próprias.

Nesta seção, você expandirá seu conhecimento sobre como definir diferentes condições de dados. Você aprenderá a verificar se seus dados estão em uma lista definida de valores ou entre dois valores. Você também aprenderá a encontrar os maiores e menores valores.

Esta seção é uma das mais fascinantes do curso. Aqui, você aprenderá como agrupar dados de diferentes maneiras. Isso ajudará no trabalho como analista de dados para obter informações sobre grupos de dados específicos.

Esta seção é uma das mais significativas para um analista de dados, pois, se os dados contiverem valores ausentes ou em formato incorreto, será impossível trabalhar com eles. Assim, você aprenderá como lidar com esses valores inadequados aqui.

Trabalhando com Tabelas Dinâmicas