¿Cómo puedo pivotar un marco de datos?

Un pivote es una transformación que toma un marco de datos con columnas que representan categorías y filas que representan valores, y lo reorienta para que las categorías están en las filas, los valores están en las columnas y el índice se establece en los valores de la fila original.

Básico sintaxis:

df.pivot(index=, columns=, values=)

Ejemplos:

• Pivotar en un solo columna:

df.pivot(index='row', columns='col', values='val')

• Pivotar en varias columnas:

df.pivot(index=['row', 'item'], columns='col', values='val')

• Pivotar en múltiples valores:

df.pivot(index='row', columns='col', values=['val0', 'val1'])

• Pivotar con agregación personalizada funciones:

df.pivot(index='row', columns='col', values='val', aggfunc='mean')

• Manejo de duplicados claves:

De forma predeterminada, si hay claves duplicadas en las etiquetas de fila o columna, se generará un error. Alternativamente, puede usar:

df.pivot_table(index='row', columns='col', values='val', fill_value=0)

• Otros métodos para pivotando:

• groupby desapilar:

  df.groupby('row', 'col')['val'].mean().unstack(fill_value=0)

• pd.DataFrame.set_index: utilice set_index para configurar los ejes de filas y columnas y luego desapilar para pivotar.
• pd.crosstab: Diseñado específicamente para crear tabulaciones cruzadas o tablas dinámicas.

Pivotación avanzada Técnicas:

• Tabla cruzada (conteo de frecuencia):

pd.crosstab(index=df['row'], columns=df['col'], values=df['val'], aggfunc='count')

• Agregación múltiple funciones:

df.pivot_table(index='row', columns='col', values='val', aggfunc=['mean', 'sum'])

• Subdividiendo en varias columnas:

df.pivot_table(index='row', columns=['item', 'col'], values='val', fill_value=0, aggfunc='mean')