Data Science Academy · Pelajaran

pivot_table untuk Tabulasi Silang

Meringkas data berdasarkan dua dimensi

pivot_table untuk Tabulasi Silang adalah pelajaran Data Science Academy gratis di CoddyKit. Ini adalah pelajaran 2 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Data Science Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Data Science Academy mencakup 4 pelajaran total.

Bagian dari pelajaran ini belum diterjemahkan dan ditampilkan dalam bahasa Inggris.

From Long Rows to a Grid

When you want a category-by-category summary, pivot_table turns tidy long rows into a clean two-dimensional grid. 🔄

The Three Key Arguments

Every pivot table needs three roles: which column becomes index, which becomes columns, and which values fill the cells.

df.pivot_table(index='region',
               columns='month',
               values='sales')

It Aggregates by Default

If several rows land in the same cell, pivot_table averages them. The default aggfunc is mean, not a plain copy.

Choose Your Aggregation

Swap the math with aggfunc. Use sum for totals, count for tallies, or max to spot the peak value per cell.

df.pivot_table(index='region',
               values='sales',
               aggfunc='sum')

Many Aggregations at Once

Pass a list to aggfunc and get several summaries together. One call can return both the mean and the count side by side.

df.pivot_table(values='sales',
               aggfunc=['mean', 'count'])

Filling Empty Cells

Missing combinations show up as NaN. Set fill_value to replace those gaps with zero or any sensible default.

df.pivot_table(index='region',
               columns='month',
               fill_value=0)

Add Row and Column Totals

Set margins to True and pivot_table adds an All row and column with grand totals around the edges.

df.pivot_table(index='region',
               margins=True)

Group by Several Keys

Pass a list to index or columns to nest categories. The result gains a MultiIndex that stacks the groups neatly.

df.pivot_table(index=['region', 'store'],
               values='sales')

pivot vs pivot_table

Plain pivot needs unique index-column pairs and cannot aggregate. Reach for pivot_table whenever duplicates might appear.

Reading a Cross-Tab

In the result, scan a cell by its row label and column label to read that exact category combination at a glance.

Back to a Flat Table

A pivot result is still a DataFrame. Call reset_index to flatten its labels back into ordinary columns for export.

summary.reset_index()

Quick Check

Let us check your pivot_table reflexes.

Recap: Cross-Tabs Made Easy

You built grids with index, columns, values, and aggfunc. Next you will reverse course and melt wide data back to long. 🎯

Pertanyaan yang Sering Diajukan

Apakah pelajaran “pivot_table untuk Tabulasi Silang” gratis?

Ya — teks lengkap “pivot_table untuk Tabulasi Silang” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Data Science Academy, upgrade ke CoddyKit PRO. Kursus Data Science Academy mencakup 4 pelajaran total.

Apa yang akan aku pelajari di “pivot_table untuk Tabulasi Silang”?

Meringkas data berdasarkan dua dimensi Kamu berlatih Data Science Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.

Apakah aku perlu pengalaman untuk memulai Data Science Academy?

Tidak diperlukan pengalaman sebelumnya. Data Science Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 2 dari 4.

Berapa lama pelajaran “pivot_table untuk Tabulasi Silang” memakan waktu?

Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.

Bisakah aku menulis dan menjalankan kode dalam pelajaran Data Science Academy ini?

Ya. Setiap pelajaran Data Science Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.

Semua pelajaran dalam kursus ini

← Kembali ke Data Science Academy