Partie 3 · Agrégation

Agréger avec groupby, agg et pivot

Produire une analyse, c'est résumer : un indicateur par groupe. groupby regroupe les lignes selon les valeurs d'une ou plusieurs colonnes, puis on applique une agrégation : df.groupby('Région')['Ventes'].sum().

Fonction	Calcule
`.sum()`, `.mean()`	somme, moyenne par groupe
`.count()`	nombre d'observations non nulles
`.size()`	nombre de lignes du groupe (nulls compris)
`.min()` / `.max()`	valeurs extrêmes du groupe
`.agg(['mean','median','std'])`	plusieurs statistiques à la fois, une colonne par fonction

Grouper par plusieurs colonnes produit un index à plusieurs niveaux (une ligne par couple de valeurs). pd.pivot_table(values, index, columns, aggfunc) restructure en tableau croisé : les valeurs d'une colonne deviennent des colonnes.

Python pur

from collections import defaultdict
groupes = defaultdict(list)
for l in ventes: groupes[l["categorie"]].append(l["valeur"])
{k: sum(v) for k, v in groupes.items()}      # groupby(...).sum()
{k: len(v) for k, v in groupes.items()}      # groupby(...).size()

Vérifie que tu as compris

Quelle est la différence entre .count() et .size() ?

Vérifie que tu as compris

Que produit groupby(['Catégorie', 'Compte'])['Valeur'].max() ?

À toi de coder

groupby en Python pur

Reproduis trois agrégations sur ventes : la somme de valeur par catégorie, le nombre de lignes par catégorie (size) et le maximum par couple (catégorie, compte).

ventes = [
    {"categorie": "A", "compte": "c1", "valeur": 10},
    {"categorie": "A", "compte": "c2", "valeur": 20},
    {"categorie": "B", "compte": "c1", "valeur": 5},
    {"categorie": "B", "compte": "c1", "valeur": 15},
    {"categorie": "A", "compte": "c1", "valeur": 30},
]
from collections import defaultdict
par_cat = defaultdict(list)
for l in ventes:
    par_cat[l["categorie"]].___(l["valeur"])
somme = {k: sum(v) for k, v in par_cat.items()}
taille = {k: ___(v) for k, v in par_cat.items()}

par_couple = defaultdict(list)
for l in ventes:
    par_couple[(l["categorie"], l["compte"])].append(l["valeur"])
maxima = {k: ___(v) for k, v in par_couple.items()}

Ctrl/⌘+Entrée

À toi de coder

Plusieurs statistiques à la fois (agg)

.agg(['mean', 'median', 'min', 'max']) calcule plusieurs statistiques par groupe. Construis resume : pour chaque catégorie, un dictionnaire avec moyenne, mediane, min, max de valeur.

ventes = [
    {"categorie": "A", "compte": "c1", "valeur": 10},
    {"categorie": "A", "compte": "c2", "valeur": 20},
    {"categorie": "B", "compte": "c1", "valeur": 5},
    {"categorie": "B", "compte": "c1", "valeur": 15},
    {"categorie": "A", "compte": "c1", "valeur": 30},
]
import statistics as st
from collections import defaultdict
g = defaultdict(list)
for l in ventes:
    g[l["categorie"]].append(l["valeur"])
resume = {k: {"moyenne": st.mean(v), "mediane": st.___(v), "min": ___(v), "max": max(v)} for k, v in g.items()}

Ctrl/⌘+Entrée

Pivot : un tableau croisé

Un pivot met une variable en lignes, une autre en colonnes, et agrège à leur croisement. Pour ventes : catégories en lignes, comptes en colonnes, somme des valeurs.

	c1	c2
A	40	20
B	20	—

La case (B, c2) est vide : aucune observation. pandas y met NaN (ou une valeur de fill_value).

Vérifie que tu as compris

Dans pivot_table, que désigne le paramètre columns ?