รัน pandas ออนไลน์

สร้างตารางสรุป (pivot table) ด้วย pandas

ในบทเรียนนี้ คุณจะสร้างตารางสรุปที่คำนวณคะแนนเฉลี่ยของแต่ละทีมด้วย pivot_table()

  • ระดับกลาง
  • อ่าน 2 นาที
  • ตัวอย่างที่รันได้ 1 ตัวอย่าง

บทนำ

ปัญหาที่ต้องแก้

ตารางยาวที่มีหนึ่งแถวต่อหนึ่งระเบียนอ่านยาก ผู้จัดการและรายงานต้องการการสรุป: หนึ่งแถวต่อหนึ่งทีม หนึ่งตัวเลขต่อหนึ่งช่อง pivot table สร้างการสรุปนั้นในการเรียกครั้งเดียว

ลองนึกภาพแบบนี้

pivot table เหมือนการยุบรายการผลการแข่งขันยาวๆ ให้เป็นตารางคะแนนลีก แทนที่จะอ่านทุกนัด คุณเห็นหนึ่งแถวต่อหนึ่งทีมพร้อมคะแนนเฉลี่ยที่คำนวณให้แล้ว

จากผลการแข่งขันสู่ตารางคะแนนลีก
index="team"🏟️ หนึ่งแถวต่อหนึ่งทีม
values="score"📈 ตัวเลขที่จะสรุป
aggfunc="mean"🧮 หาค่าเฉลี่ยคะแนนของแต่ละทีม
85.0📋 ช่องสรุปของแต่ละทีม
หลายแถวยุบเป็นแถวสรุปหนึ่งแถวต่อหนึ่งหมวดหมู่
สรุปในประโยคเดียว

pivot table สรุป DataFrame ด้วยการจัดกลุ่มแถวตามคอลัมน์หนึ่งหรือหลายคอลัมน์ และใช้ฟังก์ชันสรุป เช่น mean หรือ sum กับคอลัมน์ค่า

ประเด็นสำคัญ

  1. index="team" ทำให้มีหนึ่งแถวในรายงานต่อหนึ่งทีม
  2. values="score" เลือกคอลัมน์ที่จะสรุป
  3. aggfunc="mean" หาค่าเฉลี่ยคะแนนของแต่ละทีม: 85.0 ทั้งคู่
  4. แต่ละทีมปรากฏครั้งเดียว รายงานจึงมีหนึ่งแถวสำหรับ A และหนึ่งแถวสำหรับ B

ใช้เมื่อไร?

  • รายงานสรุป: ยอดขายตามภูมิภาคและเดือน คะแนนตามห้องและวิชา
  • เปลี่ยนข้อมูลยาวเป็นตารางกะทัดรัดสำหรับอ่านหรือวาดกราฟ
  • เปรียบเทียบระหว่างหมวดหมู่อย่างรวดเร็ว

เมื่อไรยังไม่จำเป็น

  • มีแค่การจัดกลุ่มเดียวและผลลัพธ์เดียว: groupby ก็ชัดเจนพอกัน
  • คุณต้องการแถวเดิม: pivot table เก็บไว้แค่การสรุป

โค้ดตัวอย่าง

รันโค้ด →
main.py
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"))
สร้างปุ่ม Run สำหรับตัวอย่างนี้

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

  1. เพิ่มแถว คอลัมน์ และค่าที่หายไปบางส่วนในข้อมูลตัวอย่าง
  2. รวมการกรอง การเรียง และ groupby เพื่อสร้างรายงานเล็ก ๆ
  3. อ่านไฟล์ข้อมูลจริง ตรวจชนิดของแต่ละคอลัมน์ และจัดการค่าที่ไม่ถูกต้อง
รันในคอมไพเลอร์ Python →

ข้อผิดพลาดที่พบบ่อย

ลืมฟังก์ชันสรุป

pivot_table หาค่าเฉลี่ยโดยค่าเริ่มต้น ซึ่งผิดเมื่อคุณต้องการยอดรวม

ปัญหา
results.pivot_table(index="team", values="score")  # mean
วิธีแก้
results.pivot_table(index="team", values="score", aggfunc="sum")

เรียนบทนี้จบแล้วใช่ไหม

ทำเครื่องหมายว่าเรียนแล้วเพื่อติดตามความคืบหน้า