Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Pandas : Comment créer un tableau croisé dynamique avec le nombre de valeurs



Vous pouvez utiliser l’une des méthodes suivantes pour créer un tableau croisé dynamique dans pandas qui affiche le nombre de valeurs dans certaines colonnes :

Méthode 1 : tableau croisé dynamique avec nombres

pd.pivot_table(df, values='col1', index='col2', columns='col3',
               aggfunc='count')

Méthode 2 : tableau croisé dynamique avec des nombres uniques

pd.pivot_table(df, values='col1', index='col2', columns='col3',
               aggfunc=pd.Series.nunique)

Les exemples suivants montrent comment utiliser chaque méthode avec le DataFrame pandas suivant :

import pandas as pd

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

#view DataFrame
df

	team	position points
0	A	G	 4
1	A	G	 4
2	A	F	 6
3	A	C	 8
4	B	G	 9
5	B	F	 5
6	B	F	 5
7	B	F	 12

Méthode 1 : créer un tableau croisé dynamique Pandas avec des décomptes

Le code suivant montre comment créer un tableau croisé dynamique dans pandas qui affiche le nombre total de valeurs de « points » pour chaque « équipe » et « position » dans le DataFrame :

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

#view pivot table
df_pivot

position	C	  F	  G
team			
   A	      1.0	1.0	2.0
   B	      NaN	3.0	1.0

À partir du résultat, nous pouvons voir :

  • Il y a 1 valeur dans la colonne « points » pour l’équipe A à la position C.
  • Il y a 1 valeur dans la colonne « points » pour l’équipe A à la position F.
  • Il y a 2 valeurs dans la colonne « points » pour l’équipe A en position G.

Et ainsi de suite.

Méthode 2 : créer un tableau croisé dynamique Pandas avec des décomptes uniques

Le code suivant montre comment créer un tableau croisé dynamique dans pandas qui affiche le nombre total unique de valeurs « points » pour chaque « équipe » et « position » dans le DataFrame :

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

#view pivot table
df_pivot

position	C	  F	  G
team			
   A	      1.0	1.0	1.0
   B	      NaN	2.0	1.0

À partir du résultat, nous pouvons voir :

  • Il y a 1 valeur unique dans la colonne « points » pour l’équipe A à la position C.
  • Il y a 1 valeur unique dans la colonne « points » pour l’équipe A en position F.
  • Il y a 1 valeur unique dans la colonne « points » pour l’équipe A en position G.

Et ainsi de suite.

Remarque : Vous pouvez trouver la documentation complète de la fonction pandas pivot_table() ici .

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres opérations courantes dans les pandas :

Pandas : Comment remodeler le DataFrame de long à large
Pandas : Comment remodeler le DataFrame de large à long
Pandas : comment regrouper et agréger sur plusieurs colonnes

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *