0Pricing
Python Academy · Leçon

GroupBy, agrégation et tableaux croisés dynamiques

Résumez les données avec des opérations groupby et des tableaux croisés dynamiques.

GroupBy, agrégation et tableaux croisés dynamiques est une leçon Python Academy gratuite sur CoddyKit. Ceci est la leçon 3 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Python Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Python Academy comprend 4 leçons au total.

Notions de base de groupby

df.groupby("col") répartit le DataFrame en groupes selon les valeurs uniques de la colonne. Enchaînez une agrégation pour obtenir les résultats.

import pandas as pd

df = pd.DataFrame({
    "dept":["HR","IT","HR","IT","HR"],
    "salary":[60,80,65,90,70]
})
print(df.groupby("dept")["salary"].mean())
# HR    65.0
# IT    85.0

Fonctions d’agrégation multiples

Utilisez agg() pour appliquer plusieurs fonctions d’agrégation à la fois.

import pandas as pd

df = pd.DataFrame({"dept":["HR","IT","HR","IT"],"sal":[60,80,65,90]})
result = df.groupby("dept")["sal"].agg(["mean","max","count"])
print(result)

Agrégations nommées

Utilisez des arguments nommés dans agg() pour nommer explicitement les colonnes de sortie (Pandas 0.25 ou version ultérieure).

import pandas as pd

df = pd.DataFrame({"dept":["HR","IT","HR","IT"],"sal":[60,80,65,90]})
result = df.groupby("dept").agg(
    avg_sal=("sal","mean"),
    max_sal=("sal","max"),
    count=("sal","size")
)
print(result)

groupby sur plusieurs colonnes

Transmettez une liste de colonnes pour créer des groupes hiérarchiques.

import pandas as pd

df = pd.DataFrame({
    "year":[2023,2023,2024,2024],
    "dept":["HR","IT","HR","IT"],
    "sal":[60,80,65,90]
})
print(df.groupby(["year","dept"])["sal"].sum())

transform()

transform renvoie une Series alignée sur l’index d’origine — ce qui est utile pour réintégrer des statistiques au niveau des groupes dans le DataFrame d’origine.

import pandas as pd

df = pd.DataFrame({"dept":["HR","IT","HR","IT"],"sal":[60,80,65,90]})
df["dept_avg"] = df.groupby("dept")["sal"].transform("mean")
print(df)

filter()

filter(func) conserve uniquement les groupes pour lesquels la fonction renvoie True.

import pandas as pd

df = pd.DataFrame({"dept":["HR","IT","HR"],"sal":[60,80,65]})
# Keep only departments with mean salary > 70:
result = df.groupby("dept").filter(lambda g: g["sal"].mean() > 70)
print(result)

pivot_table

pd.pivot_table crée un récapitulatif de type feuille de calcul avec une agrégation personnalisée.

import pandas as pd

df = pd.DataFrame({
    "year":[2023,2023,2024,2024],
    "region":["East","West","East","West"],
    "sales":[100,150,120,200]
})
pt = pd.pivot_table(df, values="sales",
                    index="year", columns="region",
                    aggfunc="sum")
print(pt)

crosstab

pd.crosstab calcule un tableau croisé — utile pour compter les combinaisons de valeurs catégorielles.

import pandas as pd

df = pd.DataFrame({"gender":["M","F","M","F","M"],"result":["pass","pass","fail","fail","pass"]})
print(pd.crosstab(df["gender"], df["result"]))

apply()

apply(func) applique une fonction au DataFrame de chaque groupe (axis=0), ou à chaque ligne ou colonne (axis=1).

import pandas as pd

df = pd.DataFrame({"dept":["HR","IT","HR"],"sal":[60,80,65]})

def range_sal(g):
    return g["sal"].max() - g["sal"].min()

print(df.groupby("dept").apply(range_sal))

unstack pour remodeler les données

Après un groupby à plusieurs niveaux, utilisez unstack() pour déplacer le niveau d’index le plus interne vers les colonnes.

import pandas as pd

df = pd.DataFrame({"year":[2023,2023,2024],"dept":["HR","IT","HR"],"sal":[60,80,65]})
result = df.groupby(["year","dept"])["sal"].mean().unstack()
print(result)

resample pour les séries temporelles

resample("M") regroupe un DataFrame de série temporelle par période calendaire, ce qui permet d’effectuer des agrégations mensuelles ou annuelles.

import pandas as pd

idx = pd.date_range("2024-01-01", periods=90, freq="D")
df = pd.DataFrame({"sales": range(90)}, index=idx)
monthly = df.resample("ME").sum()
print(monthly)

Vérification rapide

Que renvoie groupby().transform("mean") ?

Récapitulatif

groupby répartit les données en groupes pour les agréger. Utilisez agg() pour plusieurs fonctions, transform() pour répercuter les statistiques des groupes, filter() pour supprimer des groupes, et pivot_table()/crosstab() pour des récapitulatifs multidimensionnels.

Questions Fréquemment Posées

La leçon « GroupBy, agrégation et tableaux croisés dynamiques » est-elle gratuite ?

Oui — le texte complet de « GroupBy, agrégation et tableaux croisés dynamiques » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Python Academy, passe à CoddyKit PRO. Le cours Python Academy comprend 4 leçons au total.

Qu'est-ce que j'apprendrai dans « GroupBy, agrégation et tableaux croisés dynamiques » ?

Résumez les données avec des opérations groupby et des tableaux croisés dynamiques. Tu pratiques Python Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.

Dois-je avoir de l'expérience pour commencer Python Academy ?

Aucune expérience préalable n'est requise. Python Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 3 sur 4.

Combien de temps prend la leçon « GroupBy, agrégation et tableaux croisés dynamiques » ?

La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.

Peux-tu écrire et exécuter du code dans cette leçon Python Academy ?

Oui. Chaque leçon Python Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.

Toutes les leçons de ce cours

  1. Fondamentaux des Series et DataFrame
  2. Indexation, filtrage et masques booléens
  3. GroupBy, agrégation et tableaux croisés dynamiques
  4. Fusion, jointure et nettoyage des données
← Retour à Python Academy