{"id":2385,"date":"2023-07-22T12:10:44","date_gmt":"2023-07-22T12:10:44","guid":{"rendered":"https:\/\/statorials.org\/pl\/liczba-tabel-przestawnych-pand\/"},"modified":"2023-07-22T12:10:44","modified_gmt":"2023-07-22T12:10:44","slug":"liczba-tabel-przestawnych-pand","status":"publish","type":"post","link":"https:\/\/statorials.org\/pl\/liczba-tabel-przestawnych-pand\/","title":{"rendered":"Pandy: jak utworzy\u0107 tabel\u0119 przestawn\u0105 z liczb\u0105 warto\u015bci"},"content":{"rendered":"

<\/p>\n

\n

Mo\u017cesz u\u017cy\u0107 dowolnej z poni\u017cszych metod, aby utworzy\u0107 tabel\u0119 przestawn\u0105 w pandach, kt\u00f3ra wy\u015bwietla liczb\u0119 warto\u015bci w okre\u015blonych kolumnach:<\/span><\/p>\n

Metoda 1: Tabela przestawna z liczbami<\/strong><\/span><\/p>\n

 p.d. pivot_table<\/span> (df, values=' col1<\/span> ', index=' col2<\/span> ', columns=' col3<\/span> ',\n               aggfunc=' count<\/span> ')\n<\/strong><\/pre>\n
 Metoda 2: Tabela przestawna z unikalnymi liczbami<\/strong><\/span><\/p>\n
 p.d. pivot_table<\/span> (df, values=' col1<\/span> ', index=' col2<\/span> ', columns=' col3<\/span> ',\n               aggfunc=pd. Series<\/span> . nunique<\/span> )<\/strong><\/pre>\n
 Poni\u017csze przyk\u0142ady pokazuj\u0105, jak u\u017cywa\u0107 ka\u017cdej metody z nast\u0119puj\u0105c\u0105 ramk\u0105 DataFrame pand:<\/span><\/p>\n
 import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],\n                   ' position<\/span> ': ['G', 'G', 'F', 'C', 'G', 'F', 'F', 'F'],\n                   ' points<\/span> ': [4, 4, 6, 8, 9, 5, 5, 12]})\n\n#view DataFrame\n<\/span>df\n\n\tteam position points\n0 A G 4\n1 A G 4\n2 A F 6\n3 A C 8\n4 B G 9\n5 B F 5\n6 B F 5\n7 B F 12<\/strong><\/pre>\n
 Metoda 1: Utw\u00f3rz tabel\u0119 przestawn\u0105 Pandy z liczbami<\/strong><\/span><\/h3>\n
 Poni\u017cszy kod pokazuje, jak utworzy\u0107 tabel\u0119 przestawn\u0105 w pandach, kt\u00f3ra wy\u015bwietla ca\u0142kowit\u0105 liczb\u0119 warto\u015bci \u201epunktowych\u201d dla ka\u017cdego \u201ezespo\u0142u\u201d i \u201epozycji\u201d w DataFrame:<\/span><\/p>\n
 #create pivot table\n<\/span>df_pivot = pd. pivot_table<\/span> (df, values=' points<\/span> ', index=' team<\/span> ', columns=' position<\/span> ',\n                          aggfunc=' count<\/span> ')\n\n#view pivot table\n<\/span>df_pivot\n\nposition C F G\nteam\t\t\t\n   A 1.0 1.0 2.0\n   B NaN 3.0 1.0<\/span><\/span><\/strong><\/pre>\n
 Z wyniku mo\u017cemy zobaczy\u0107:<\/span><\/p>\n