สร้างตารางสรุป (pivot table) ด้วย pandas
ในบทเรียนนี้ คุณจะสร้างตารางสรุปที่คำนวณคะแนนเฉลี่ยของแต่ละทีมด้วย pivot_table()
บทนำ
ปัญหาที่ต้องแก้
ตารางยาวที่มีหนึ่งแถวต่อหนึ่งระเบียนอ่านยาก ผู้จัดการและรายงานต้องการการสรุป: หนึ่งแถวต่อหนึ่งทีม หนึ่งตัวเลขต่อหนึ่งช่อง pivot table สร้างการสรุปนั้นในการเรียกครั้งเดียว
ลองนึกภาพแบบนี้
pivot table เหมือนการยุบรายการผลการแข่งขันยาวๆ ให้เป็นตารางคะแนนลีก แทนที่จะอ่านทุกนัด คุณเห็นหนึ่งแถวต่อหนึ่งทีมพร้อมคะแนนเฉลี่ยที่คำนวณให้แล้ว
index="team"🏟️ หนึ่งแถวต่อหนึ่งทีมvalues="score"📈 ตัวเลขที่จะสรุปaggfunc="mean"🧮 หาค่าเฉลี่ยคะแนนของแต่ละทีม85.0📋 ช่องสรุปของแต่ละทีมpivot table สรุป DataFrame ด้วยการจัดกลุ่มแถวตามคอลัมน์หนึ่งหรือหลายคอลัมน์ และใช้ฟังก์ชันสรุป เช่น mean หรือ sum กับคอลัมน์ค่า
ประเด็นสำคัญ
index="team"ทำให้มีหนึ่งแถวในรายงานต่อหนึ่งทีมvalues="score"เลือกคอลัมน์ที่จะสรุปaggfunc="mean"หาค่าเฉลี่ยคะแนนของแต่ละทีม: 85.0 ทั้งคู่- แต่ละทีมปรากฏครั้งเดียว รายงานจึงมีหนึ่งแถวสำหรับ A และหนึ่งแถวสำหรับ B
ใช้เมื่อไร?
- รายงานสรุป: ยอดขายตามภูมิภาคและเดือน คะแนนตามห้องและวิชา
- เปลี่ยนข้อมูลยาวเป็นตารางกะทัดรัดสำหรับอ่านหรือวาดกราฟ
- เปรียบเทียบระหว่างหมวดหมู่อย่างรวดเร็ว
เมื่อไรยังไม่จำเป็น
- มีแค่การจัดกลุ่มเดียวและผลลัพธ์เดียว:
groupbyก็ชัดเจนพอกัน - คุณต้องการแถวเดิม: pivot table เก็บไว้แค่การสรุป
โค้ดตัวอย่าง
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"))
ผลลัพธ์จากการรัน
score
team
A 85.0
B 85.0
อธิบายโค้ด
พารามิเตอร์ index="team" ทำให้แต่ละทีมเป็นหนึ่งแถวของรายงาน values="score" เลือกคอลัมน์ที่จะสรุป และ aggfunc="mean" เลือกการคำนวณค่าเฉลี่ย ผลลัพธ์แสดงว่าทีม A และ B มีค่าเฉลี่ย 85.0 เท่ากัน พารามิเตอร์ columns ใช้แบ่งรายงานย่อยตามกลุ่มอื่นได้
เปลี่ยนค่าและรันโปรแกรมด้วย คอมไพเลอร์ Python ออนไลน์ของ CodeUtility โดยไม่ต้องติดตั้ง Python
แบบฝึกหัดเพิ่มเติม
ลองแก้โค้ดตามคำแนะนำด้านล่าง การเปลี่ยนโค้ดแล้วดูผลลัพธ์จะช่วยให้เข้าใจบทเรียนได้ดีกว่าการอ่านอย่างเดียวมาก
- เพิ่มแถว คอลัมน์ และค่าที่หายไปบางส่วนในข้อมูลตัวอย่าง
- รวมการกรอง การเรียง และ groupby เพื่อสร้างรายงานเล็ก ๆ
- อ่านไฟล์ข้อมูลจริง ตรวจชนิดของแต่ละคอลัมน์ และจัดการค่าที่ไม่ถูกต้อง
ข้อผิดพลาดที่พบบ่อย
ลืมฟังก์ชันสรุป
pivot_table หาค่าเฉลี่ยโดยค่าเริ่มต้น ซึ่งผิดเมื่อคุณต้องการยอดรวม
results.pivot_table(index="team", values="score") # mean
results.pivot_table(index="team", values="score", aggfunc="sum")
เรียนบทนี้จบแล้วใช่ไหม
ทำเครื่องหมายว่าเรียนแล้วเพื่อติดตามความคืบหน้า