pivot_table: tabulação cruzada

Uma tabela dinâmica é uma tabulação cruzada que resume os dados por duas dimensões categóricas — uma forma as linhas e a outra forma as colunas — com um valor agregado em cada célula. Se você já criou uma tabela dinâmica no Excel, reconhecerá o conceito imediatamente. O Pandas fornece pd.pivot_table() (e a versão como método de DataFrame) para criar esses resumos inteiramente em Python.

Os quatro parâmetros principais de pd.pivot_table() são: values (a coluna a ser agregada), index (a coluna que se tornará as linhas), columns (a coluna que se tornará as colunas) e aggfunc (a função de agregação, cujo padrão é 'mean'). O resultado é um DataFrame em que cada célula contém o valor agregado para aquela combinação de linha e coluna.

O parâmetro aggfunc aceita qualquer nome de função de agregação do NumPy/Pandas em forma de string, uma função chamável ou uma lista de funções chamáveis. Opções comuns: 'sum' para totais, 'mean' para médias, 'count' para frequências e 'min'/'max' para extremos. Quando você passa uma lista, cada agregação recebe seu próprio nível no MultiIndex das colunas.

Quando uma combinação de rótulos de linha e coluna não tem dados, a célula contém NaN por padrão. Passe fill_value para substituir essas células ausentes por um valor padrão significativo, como 0 para contagens ou receita. Isso torna a tabela mais fácil de ler e evita que operações aritméticas posteriores produzam silenciosamente resultados NaN.

Passe margins=True para adicionar totais de linhas e colunas à tabela dinâmica. O Pandas acrescenta uma linha 'All' na parte inferior e uma coluna 'All' à direita, contendo os valores agregados de todas as categorias. Você pode renomear o rótulo da margem com margins_name. Isso corresponde à linha "Total geral" das tabelas dinâmicas do Excel.

O parâmetro values pode ser uma lista de nomes de colunas para agregar várias métricas de uma só vez. O resultado tem um MultiIndex nas colunas, cujo nível externo é a coluna de valores e o nível interno é a categoria. Isso permite criar uma tabela de resumo abrangente em uma única chamada, em vez de criar e mesclar várias tabelas dinâmicas separadas.

Quando você passa uma lista para index ou columns, a tabela dinâmica tem um MultiIndex no eixo correspondente. Isso permite criar resumos mais detalhados — por exemplo, dividindo a receita por região e trimestre nas linhas e por produto nas colunas. Acesse os subníveis com .loc e tuplas de índices como de costume.

Depois de criar uma tabela dinâmica, o índice é a coluna de agrupamento e o MultiIndex das colunas (quando vários valores são usados) pode ser difícil de manipular. Um padrão comum de limpeza é chamar reset_index() para achatar o índice das linhas e, em seguida, reduzir o MultiIndex das colunas a um único nível, unindo os níveis com um sublinhado usando uma compreensão de lista.

Tanto pivot_table quanto groupby().agg() produzem estatísticas de resumo. A diferença está no formato do resultado: groupby().agg() retorna um DataFrame em formato longo, com uma linha para cada combinação de grupos, enquanto pivot_table retorna uma tabela em formato amplo, na qual uma dimensão se transforma em colunas. Para painéis e relatórios, o formato amplo das tabelas dinâmicas costuma ser mais legível; para aprendizado de máquina ou análise estatística posteriores, o formato longo é preferível.

Uma tabela dinâmica é um DataFrame comum, portanto você pode ordená-la, calcular colunas derivadas e formatá-la exatamente como qualquer outro DataFrame do Pandas. Por exemplo, ordene por uma coluna de produto específica em ordem decrescente para classificar as regiões pelo desempenho desse produto ou adicione uma coluna de porcentagem dividindo cada célula pelo total da linha.

As tabelas dinâmicas são uma ferramenta essencial para criar relatórios gerenciais e painéis. Um fluxo de trabalho típico é: carregar os dados brutos de transações, criar uma tabela dinâmica com os meses nas colunas e as categorias de produtos nas linhas, adicionar os totais das margens e exportar para o Excel. Todo o fluxo, dos dados brutos até uma tabela pronta para a diretoria, requer apenas algumas chamadas do Pandas.

Nesta lição, você aprendeu que: pd.pivot_table() cria resumos em tabulação cruzada, com uma dimensão nas linhas e outra nas colunas; fill_value trata as células ausentes e margins=True adiciona totais; é possível agregar vários valores de uma só vez; e as tabelas dinâmicas produzem resultados em formato amplo, ideais para relatórios. A seguir, exploraremos a operação inversa: melt() para converter dados amplos novamente em formato longo.