Exercice 70 / 100

Pandas — Pivot Table

Crée des tableaux croisés dynamiques

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 0
margins=True          ajoute une ligne+colonne 'All' (totaux)
aggfunc=['sum','mean']   plusieurs agrégations à la fois
aggfunc={'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 doublon
df.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.

exercise.py