Créer un tableau croisé dynamique avec pandas
Dans cette leçon, vous allez créer un tableau croisé dynamique qui calcule la note moyenne de chaque équipe avec pivot_table().
Introduction
Le problème
Les longs tableaux à une ligne par enregistrement sont difficiles à lire. Les responsables et les rapports veulent un résumé : une ligne par équipe, un nombre par case. Un tableau croisé dynamique construit ce résumé en un appel.
Imaginez-le ainsi
Un tableau croisé, c'est comme réduire une longue liste de résultats de matchs en classement de championnat. Au lieu de lire chaque match, vous voyez une ligne par équipe avec sa note moyenne, calculée pour vous.
index="team"🏟️ Une ligne par équipevalues="score"📈 Le nombre à résumeraggfunc="mean"🧮 Faire la moyenne des notes de chaque équipe85.0📋 La case de résumé de chaque équipeUn tableau croisé (pivot table) résume un DataFrame en regroupant les lignes selon une ou plusieurs colonnes et en appliquant une fonction d'agrégation, comme la moyenne ou la somme, à une colonne de valeurs.
Points clés
index="team"fait une ligne du rapport par équipe.values="score"choisit la colonne à résumer.aggfunc="mean"fait la moyenne des notes de chaque équipe : 85.0 pour les deux.- Chaque équipe apparaît une fois, donc le rapport a une ligne pour A et une pour B.
Quand l’utiliser ?
- Les rapports de synthèse : ventes par région et par mois, notes par classe et par matière.
- Transformer des données longues en grille compacte pour la lecture ou les graphiques.
- Les comparaisons rapides entre catégories.
Quand s'en passer
- Un seul regroupement et un seul résultat :
groupbyest tout aussi clair. - Vous avez besoin des lignes d'origine : un tableau croisé ne garde que le résumé.
Code d’exemple
import pandas as pd
results = pd.DataFrame({
"team": ["A", "A", "B", "B"],
"score": [80, 90, 70, 100],
})
print(results.pivot_table(index="team", values="score", aggfunc="mean"))
Résultat de l’exécution
score
team
A 85.0
B 85.0
Explication du code
Le paramètre index="team" fait de chaque équipe une ligne du rapport, values="score" choisit la colonne à résumer, et aggfunc="mean" choisit le calcul de la moyenne. Le résultat montre que les équipes A et B ont toutes deux une moyenne de 85.0. Le paramètre columns permet de subdiviser le rapport selon un autre groupe.
Modifiez les valeurs et exécutez le programme avec le compilateur Python en ligne CodeUtility, sans installation locale.
Exercices d’approfondissement
Essayez de modifier le code en suivant les pistes ci-dessous. Changer le code et observer le résultat vous fera bien mieux comprendre la leçon que la simple lecture.
- Ajoutez des lignes, des colonnes et quelques valeurs manquantes aux données d’exemple.
- Combinez filtrage, tri et groupby pour produire un petit rapport.
- Lisez un vrai fichier de données, vérifiez le type de chaque colonne et traitez les valeurs invalides.
Erreurs fréquentes
Oublier la fonction d'agrégation
pivot_table fait la moyenne par défaut, ce qui est faux quand il vous faut des totaux.
results.pivot_table(index="team", values="score") # mean
results.pivot_table(index="team", values="score", aggfunc="sum")
Leçon terminée ?
Marquez-la comme apprise pour suivre votre progression.