Tabelle pivot e tabelle di contingenza
pd.pivot_table(), pd.crosstab() e ristrutturazione dei dati per le statistiche riepilogative.
Tabelle pivot e tabelle di contingenza è una lezione Learn AI with Python gratuita su CoddyKit. Questa è la lezione 2 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Learn AI with Python, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Learn AI with Python include 4 lezioni in totale.
Rimodellare i dati per ottenere informazioni
Una tabella pivot rimodella i dati in formato lungo trasformandoli in una griglia e riepilogando un valore lungo due assi categorici. È la tabella pivot dei fogli di calcolo che già conosce, ma programmabile.
import pandas as pd
df = pd.DataFrame({
"region": ["E", "E", "W", "W", "E"],
"product": ["A", "B", "A", "B", "A"],
"sales": [10, 20, 30, 40, 50],
})pivot_table di base
pd.pivot_table utilizza values (i numeri da riepilogare), index (le righe) e columns (le colonne). Per impostazione predefinita calcola la media delle celle duplicate.
pt = pd.pivot_table(df, values="sales", index="region", columns="product")
print(pt)
# product A B
# region
# E 30.0 20.0
# W 30.0 40.0Scegliere aggfunc
Imposti aggfunc per controllare come vengono aggregate le righe duplicate: somma, media, conteggio e altro. Utilizzi una lista per calcolarne diverse contemporaneamente.
pt = pd.pivot_table(df, values="sales", index="region",
columns="product", aggfunc="sum")
print(pt)Più aggfunc
Passi una lista di funzioni per calcolare diversi riepiloghi affiancati.
pt = pd.pivot_table(df, values="sales", index="region",
aggfunc=["sum", "mean", "count"])
print(pt)Riempire le celle mancanti
Le combinazioni prive di dati diventano NaN. fill_value le sostituisce, spesso con 0, per ottenere report ordinati.
pt = pd.pivot_table(df, values="sales", index="region",
columns="product", aggfunc="sum", fill_value=0)
print(pt)Margini (totali)
Imposti margins=True per aggiungere i totali complessivi di righe e colonne, denominati "All" per impostazione predefinita.
pt = pd.pivot_table(df, values="sales", index="region",
columns="product", aggfunc="sum",
fill_value=0, margins=True)
print(pt)Più livelli di indice
Passi delle liste a index o columns per ottenere suddivisioni gerarchiche, ad esempio prima per regione e poi per prodotto.
df["channel"] = ["on", "off", "on", "off", "on"]
pt = pd.pivot_table(df, values="sales",
index=["region", "channel"], aggfunc="sum")
print(pt)Tabulazione incrociata con crosstab
pd.crosstab è una pivot specializzata che CONTA la frequenza delle combinazioni di due variabili categoriche, senza bisogno di una colonna di valori.
ct = pd.crosstab(df["region"], df["product"])
print(ct)
# product A B
# region
# E 2 1
# W 1 1Normalizzare crosstab
L'argomento normalize trasforma i conteggi in proporzioni: "index" per riga, "columns" per colonna oppure True sul totale complessivo.
ct = pd.crosstab(df["region"], df["product"], normalize="index")
print(ct) # each row sums to 1.0crosstab con valori
Fornisca values e aggfunc per fare in modo che crosstab riepiloghi una metrica invece di contare, avvicinandosi così a pivot_table.
ct = pd.crosstab(df["region"], df["product"],
values=df["sales"], aggfunc="sum")
print(ct)pivot_table vs crosstab
Utilizzi pivot_table per riepilogare un valore numerico; utilizzi crosstab per contare la frequenza delle combinazioni di categorie. crosstab consente inoltre di normalizzare i dati in proporzioni con una sola riga.
Verifica rapida
Metta alla prova le Sue conoscenze sul rimodellamento dei dati.
Riepilogo
Strumenti per rimodellare i dati:
pd.pivot_table(values, index, columns, aggfunc)riepiloga una metricafill_valueper le celle vuote,margins=Trueper i totali- Utilizzi liste per index/columns per creare una gerarchia
pd.crosstabconta le combinazioni;normalizerestituisce proporzioni
Impara Python con un tutor IA — gratis
Scrivi ed esegui vero codice nel tuo browser, ricevi aiuto istantaneo da un tutor IA disponibile 24/7, e riprendi da dove hai lasciato sul web o nell'app.
- Corsi
- 53
- Lezioni
- 225
Domande Frequenti
La lezione «Tabelle pivot e tabelle di contingenza» è gratuita?
Sì — il testo completo di «Tabelle pivot e tabelle di contingenza» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Learn AI with Python, passa a CoddyKit PRO. Il corso Learn AI with Python include 4 lezioni in totale.
Cosa imparerò in «Tabelle pivot e tabelle di contingenza»?
pd.pivot_table(), pd.crosstab() e ristrutturazione dei dati per le statistiche riepilogative. Eserciti Learn AI with Python con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare Learn AI with Python?
Non è richiesta alcuna esperienza precedente. Learn AI with Python su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 2 di 4.
Quanto tempo richiede la lezione «Tabelle pivot e tabelle di contingenza»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione Learn AI with Python?
Sì. Ogni lezione Learn AI with Python include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- GroupBy e aggregazione
- Tabelle pivot e tabelle di contingenza
- Merge e join avanzati
- Serie temporali in Pandas