Volver al Inicio

Anterior Siguiente

15 de Enero del 2023 | Jhonatan Montilla

Análisis con Tablas Pivote

En esta publicación veremos el uso de las tablas pivote en Pandas para el manejo y análisis de estructuras de datos. En este artículo encontrarás la guía más completa para la manipulación de datos con esta práctica y muy útil herramienta. Para obtener el conjunto de datos "hotel_reservations.csv" de ejemplo puedes descargarlo desde nuestro repositorio haciendo clic aquí.

import pandas as pd

data = pd.read_csv('hotel_reservations.csv')
data.head()

	Booking_ID	no_of_adults	no_of_children	no_of_weekend_nights	no_of_week_nights	type_of_meal_plan	required_car_parking_space	room_type_reserved	lead_time	arrival_year	arrival_month	arrival_date	market_segment_type	repeated_guest	no_of_previous_cancellations	no_of_previous_bookings_not_canceled	avg_price_per_room	no_of_special_requests	booking_status
0	INN00001	2	0	1	2	Meal Plan 1	0	Room_Type 1	224	2017	10	2	Offline	0	0	0	65.00	0	Not_Canceled
1	INN00002	2	0	2	3	Not Selected	0	Room_Type 1	5	2018	11	6	Online	0	0	0	106.68	1	Not_Canceled
2	INN00003	1	0	2	1	Meal Plan 1	0	Room_Type 1	1	2018	2	28	Online	0	0	0	60.00	0	Canceled
3	INN00004	2	0	0	2	Meal Plan 1	0	Room_Type 1	211	2018	5	20	Online	0	0	0	100.00	0	Canceled
4	INN00005	2	0	1	1	Not Selected	0	Room_Type 1	48	2018	4	11	Online	0	0	0	94.50	0	Canceled

1. Convertir datos de una variable en índice.

Convierte los datos de una variable en valores de índice sumando los datos del resto de variables

round(pd.pivot_table(data, index='market_segment_type'),2)

	arrival_date	arrival_month	arrival_year	avg_price_per_room	lead_time	no_of_adults	no_of_children	no_of_previous_bookings_not_canceled	no_of_previous_cancellations	no_of_special_requests	no_of_week_nights	no_of_weekend_nights	repeated_guest	required_car_parking_space
market_segment_type
Aviation	15.36	7.12	2018.00	100.70	5.49	1.02	0.00	0.21	0.04	0.00	2.86	1.16	0.13	0.05
Complementary	15.02	7.72	2017.64	3.14	12.04	1.48	0.13	2.48	0.21	0.88	1.24	0.33	0.32	0.08
Corporate	15.70	7.10	2017.75	82.91	21.82	1.23	0.01	2.07	0.17	0.22	1.49	0.43	0.30	0.09
Offline	15.40	7.57	2017.72	91.63	122.87	1.78	0.02	0.01	0.01	0.20	2.18	0.73	0.01	0.00
Online	15.69	7.38	2017.87	112.26	75.33	1.94	0.15	0.01	0.01	0.84	2.29	0.89	0.00	0.04

2. Convertir datos de una variable en columnas

Convierte los datos de una variable en columnas y las demás variables en valores de índice sumando sus datos en las nuevas columnas

round(pd.pivot_table(data, columns='market_segment_type'),2)

market_segment_type	Aviation	Complementary	Corporate	Offline	Online
arrival_date	15.36	15.02	15.70	15.40	15.69
arrival_month	7.12	7.72	7.10	7.57	7.38
arrival_year	2018.00	2017.64	2017.75	2017.72	2017.87
avg_price_per_room	100.70	3.14	82.91	91.63	112.26
lead_time	5.49	12.04	21.82	122.87	75.33
no_of_adults	1.02	1.48	1.23	1.78	1.94
no_of_children	0.00	0.13	0.01	0.02	0.15
no_of_previous_bookings_not_canceled	0.21	2.48	2.07	0.01	0.01
no_of_previous_cancellations	0.04	0.21	0.17	0.01	0.01
no_of_special_requests	0.00	0.88	0.22	0.20	0.84
no_of_week_nights	2.86	1.24	1.49	2.18	2.29
no_of_weekend_nights	1.16	0.33	0.43	0.73	0.89
repeated_guest	0.13	0.32	0.30	0.01	0.00
required_car_parking_space	0.05	0.08	0.09	0.00	0.04

3. Suma de datos de una variable

Suma o totaliza los datos de una variable con índice de datos de otra variable

round(pd.pivot_table(data, 
               index='type_of_meal_plan', 
               values = 'avg_price_per_room').head(),2)

	avg_price_per_room
type_of_meal_plan
Meal Plan 1	103.59
Meal Plan 2	115.31
Meal Plan 3	41.20
Not Selected	94.91

4. Cantidad de datos únicos de una variable

Cuenta la cantidad total de datos únicos de una variable a través de una función de agregación.

pd.pivot_table(data, 
               index='market_segment_type', 
               values = 'room_type_reserved',
              aggfunc = 'nunique')

	room_type_reserved
market_segment_type
Aviation	2
Complementary	7
Corporate	7
Offline	7
Online	7

5. Cantidad de datos únicos, valor máximo, y valor promedio de una variable

Calcula la cantidad de total de datos únicos, el valor máximo y el promedio de una o más variables a través de la función de agregación correspondiente. Paso adicional el reinicio del índice.

df_mod = round(pd.pivot_table(data,
              index = 'market_segment_type',
              aggfunc = {'room_type_reserved': 'count',
                         'lead_time':'max',
                         'avg_price_per_room': 'mean'}),2)
df_mod = df_mod.reset_index()
df_mod

	market_segment_type	avg_price_per_room	lead_time	room_type_reserved
0	Aviation	100.70	23	125
1	Complementary	3.14	386	391
2	Corporate	82.91	297	2017
3	Offline	91.63	443	10528
4	Online	112.26	443	23214

6. Agupación de una variable en columna

Agrupa los datos de una variable en columnas calculando valores de otra variable a través de una función de agregación, suma, promedio, máximo y/o mínimo, reemplazando los valores vacíos con ceros.

round(pd.pivot_table(data, 
               index = 'market_segment_type', 
               columns = ['booking_status','arrival_year'], 
               values = 'avg_price_per_room',
               aggfunc = 'mean',
               fill_value=0).head(),2)

booking_status	Canceled		Not_Canceled
arrival_year	2017	2018	2017	2018
market_segment_type
Aviation	0.00	102.24	0.00	100.06
Complementary	0.00	0.00	2.45	3.52
Corporate	84.27	98.23	76.48	83.03
Offline	97.67	101.35	86.85	88.12
Online	91.06	116.12	99.37	113.18

7. Agupación de variables en varias columnas

Agrupa los datos de varias variables en columnas calculando valores de otra variable a través de una función de agregación, suma, promedio, máximo y/o mínimo, reemplazando los valores vacíos con ceros.

round(pd.pivot_table(data, 
               index = 'market_segment_type', 
               columns = 'booking_status', 
               values = ['no_of_weekend_nights','arrival_month'],
               aggfunc = 'mean',
               fill_value=0).head(),2)

	arrival_month		no_of_weekend_nights
booking_status	Canceled	Not_Canceled	Canceled	Not_Canceled
market_segment_type
Aviation	6.62	7.33	2.19	0.73
Complementary	0.00	7.72	0.00	0.33
Corporate	6.63	7.16	0.39	0.43
Offline	7.46	7.62	0.75	0.72
Online	7.36	7.39	0.95	0.85

8. Agupación cáculo de valores de función de agregación en columnas

Agrupa el cáculo de valores suma, promedio, máximo y/o mínimo de una variable en columnas (función de agregación), reemplazando los valores vacíos con ceros.

round(pd.pivot_table(data, 
               index = 'market_segment_type', 
               columns = 'booking_status',  
               values = 'lead_time',
               aggfunc = ['mean','max'],
               fill_value=0).head(),2)

	mean		max
booking_status	Canceled	Not_Canceled	Canceled	Not_Canceled
market_segment_type
Aviation	7.59	4.60	23	21
Complementary	0.00	12.04	0	386
Corporate	55.77	17.66	276	297
Offline	209.71	85.75	443	386
Online	115.73	52.11	443	351

9. Todas las combinaciones anteriores

Se realizan todas las agrupaciones anteriores en una misma tabla pivote.

df_mod = round(pd.pivot_table(data, 
               index = 'market_segment_type', 
               columns = ['booking_status','arrival_year'], 
               values = ['lead_time','no_of_weekend_nights'],
               aggfunc = ['median','max'],
               fill_value=0),2)
df_mod

	median								max
	lead_time				no_of_weekend_nights				lead_time				no_of_weekend_nights
booking_status	Canceled		Not_Canceled		Canceled		Not_Canceled		Canceled		Not_Canceled		Canceled		Not_Canceled
arrival_year	2017	2018	2017	2018	2017	2018	2017	2018	2017	2018	2017	2018	2017	2018	2017	2018
market_segment_type
Aviation	0	5	0	3	0	1	0	0.5	0	23	0	21	0	5	0	3
Complementary	0	0	1	3	0	0	0	0.0	0	0	88	386	0	0	2	4
Corporate	4	36	7	7	0	0	0	0.0	87	276	86	297	6	6	3	4
Offline	117	239	59	67	0	1	0	1.0	273	443	327	386	2	5	2	4
Online	96	100	16	41	1	1	1	1.0	296	443	327	351	5	7	4	6

Comentarios finales

Pudimos observar algunas de las configuraciones posibles en el uso de tablas pivote para el análisis de datos en nuestro conjunto de datos. Esperamos que esta publicación haya sido de ayuda para usted.