Como posso dinamizar um dataframe?

Um pivô é uma transformação que pega um dataframe com colunas que representam categorias e linhas que representam valores, e o reorienta para que as categorias estão nas linhas, os valores estão nas colunas e o índice é definido com os valores originais da linha.

Básico sintaxe:

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

Exemplos:

• Girar em um único coluna:

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

• Pivot em múltiplas colunas:

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

• Pivot em vários valores:

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

• Pivot com agregação personalizada funções:

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

• Tratamento de duplicatas chaves:

Por padrão, se houver chaves duplicadas nos rótulos de linha ou coluna, um erro será gerado. Alternativamente, você pode usar:

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

• Outros métodos para pivoting:

• groupby unstack:

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

• pd.DataFrame.set_index: Use set_index para definir os eixos de linha e coluna e, em seguida, desempilhar para dinamizar.
• pd.crosstab: projetado especificamente para criar tabelas cruzadas ou tabelas dinâmicas.

Pivotagem avançada Técnicas:

• Tabulação cruzada (contagem de frequência):

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

• Agregação múltipla funções:

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

• Subdividindo por múltiplas colunas:

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