Exercice 70 / 100

Pandas — Pivot Table

ConsigneCrée des tableaux croisés dynamiques

📖 Cours

Une table pivot transforme des lignes en colonnes pour croiser deux dimensions. C'est l'équivalent du tableau croisé dynamique Excel.

Syntaxe

pd.pivot_table(    df,    values='colonne_a_agreger',    index='colonne_en_ligne',    columns='colonne_en_colonne',    aggfunc='sum'                  # ou 'mean', 'count', 'max', etc.)

Forme équivalente : df.pivot_table(values=..., index=..., columns=..., aggfunc=...)

Exemple : ventes par jour et par produit

df = pd.DataFrame({    'date':    ['Lun','Lun','Mar','Mar','Mer','Mer'],    'produit': ['A','B','A','B','A','B'],    'ventes':  [100, 150, 120, 130, 90, 160]})

pd.pivot_table(df, values='ventes', index='date', columns='produit', aggfunc='sum')# produit    A    B# date# Lun      100  150# Mar      120  130# Mer       90  160

Paramètres utiles

fill_value=0          remplace les NaN par 0margins=True          ajoute une ligne+colonne 'All' (totaux)aggfunc=['sum','mean']   plusieurs agrégations à la foisaggfunc={'col1':'sum', 'col2':'mean'}   différentes par colonne

crosstab : version simplifiée pour COMPTER

pd.crosstab(df['date'], df['produit'])# produit A B# date# Lun 1 1# Mar 1 1# Mer 1 1

pd.crosstab(df['date'], df['produit'], values=df['ventes'], aggfunc='sum')# avec une mesure

pd.crosstab(df['date'], df['produit'], normalize=True)# en pourcentages

pivot_table vs pivot

df.pivot(...)         n'agrège pas : crash si combinaisons en doublondf.pivot_table(...)   agrège (avec aggfunc) → gère les doublons

👉 En pratique, utilise toujours pivot_table.

pivot et pivot_table croisent les mêmes colonnes, mais seul pivot_table sait quoi faire quand deux lignes tombent dans la même case : il les agrège au lieu de s'arrêter en erreur

Couplé à .plot(kind='bar'), une pivot table devient un graphique en barres groupées en une ligne.