Pandas: cara membuat tabel pivot dengan jumlah nilai

Anda dapat menggunakan sintaks dasar berikut untuk membuat tabel pivot di panda yang menampilkan jumlah nilai di kolom tertentu:

 p.d. pivot_table (df, values=' col1 ', index=' col2 ', columns=' col3 ', aggfunc=' sum ')

Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya.

Contoh: Membuat PivotTable Pandas dengan Jumlah Nilai

Misalkan kita memiliki pandas DataFrame berikut yang berisi informasi tentang berbagai pemain bola basket:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],
                   ' position ': ['G', 'G', 'F', 'F', 'G', 'F', 'F', 'F'],
                   ' points ': [4, 4, 6, 8, 9, 5, 5, 12]})

#view DataFrame
print (df)


  team position points
0 AG 4
1 GA 4
2 AF 6
3AF 8
4 BG 9
5 BF 5
6 BF 5
7 BF 12

Kode berikut menunjukkan cara membuat tabel pivot di panda yang menampilkan jumlah nilai “titik” untuk setiap “tim” dan “posisi” di DataFrame:

 #create pivot table
df_pivot = pd. pivot_table (df, values=' points ', index=' team ', columns=' position ',
                          aggfunc=' sum ')

#view pivot table
print (df_pivot)

FG position
team           
At 14 8
B 22 9

Dari hasilnya kita dapat melihat:

• Pemain tim A di posisi F mencetak total 14 poin.
• Pemain tim A di posisi G mencetak total 8 poin.
• Pemain tim B di posisi F mencetak total 22 poin.
• Pemain tim B di posisi G mencetak total 9 poin.

Perhatikan bahwa kita juga bisa menggunakan argumen margin untuk menampilkan jumlah margin di tabel pivot:

 #create pivot table with margins
df_pivot = pd. pivot_table (df, values=' points ', index=' team ', columns=' position ',
                          aggfunc=' sum ', margins= True , margins_name=' Sum ')

#view pivot table
print (df_pivot)

position FG Sum
team                 
A 14 8 22
B 22 9 31
Total 36 17 53

PivotTable sekarang menampilkan jumlah baris dan kolom.

Catatan : Anda dapat menemukan dokumentasi lengkap fungsi pandas pivot_table() di sini .

Sumber daya tambahan

Tutorial berikut menjelaskan cara melakukan operasi umum lainnya di panda:

Pandas: Cara membentuk ulang DataFrame dari panjang ke lebar
Pandas: Cara membentuk ulang DataFrame dari lebar ke panjang
Pandas: cara mengelompokkan dan menggabungkan beberapa kolom