Podręcznik uczestnika z objaśnieniami, przykładami i ćwiczeniami do samodzielnej nauki
6. Tabele przestawne i porównania
Tabela przestawna zestawia jedną miarę według dwóch wymiarów. W pytaniu M3-P05 wiersze reprezentują miesiące, kolumny lokalizacje, a komórki medianę energii. Dzięki temu możesz porównywać lokalizacje w tym samym okresie i okresy w tej samej lokalizacji. Zawsze zaczynaj od pełnej ramki pomiary_clean.
Znaczenie komórki i wybór agregacji
energia_ml = pomiary_clean.pivot_table(
index="rok_miesiac", columns="lokalizacja",
values="energia", aggfunc="median"
).sort_index()
kontrola_ml = pomiary_clean.groupby(
["rok_miesiac", "lokalizacja"]
)["energia"].median().unstack().sort_index()
pd.testing.assert_frame_equal(energia_ml, kontrola_ml)
assert energia_ml.shape == (2, 3)
assert energia_ml.notna().all().all()
display(energia_ml.round(3))
Index i columns określają układ, values wskazuje pole liczbowe, a aggfunc definiuje sposób połączenia wielu pomiarów w jedną wartość. Pivot() bez agregacji nie wystarczy: dla stycznia i Hali A istnieje 186 rekordów, a nie jedna wartość. Pivot_table() jawnie oblicza z nich medianę. To agregowanie, nie usuwanie duplikatów.
|
Okres |
Hala A kWh |
Hala B kWh |
Hala C kWh |
|---|---|---|---|
|
Styczeń 2026 |
13,160 |
14,790 |
14,645 |
|
Od 1 do 14 lutego 2026 |
13,080 |
14,695 |
14,760 |
W obu okresach Hala A ma najniższą medianę energii. Kolejność Hal B i C się zmienia. Pojedyncza komórka opisuje medianę wielu pomiarów, a nie jeden odczyt. Kontrola drugą metodą, przez groupby() i unstack(), potwierdza zgodność wartości i układu wyników.
roznica_median = energia_ml.loc["2026-02"] - energia_ml.loc["2026-01"]
display(roznica_median.round(3))
Różnice wynoszą −0,080 kWh dla Hali A, −0,095 dla B i +0,115 dla C. Opisują dwa dostępne okresy o różnej długości. Nie stanowią dowodu trendu miesięcznego. Odmienny skład urządzeń także ogranicza przypisywanie różnic samej lokalizacji.
Liczebności braki i marginesy
Mediana może wyglądać wiarygodnie nawet wtedy, gdy w jej grupie brakuje pomiarów. Dlatego obok wartości pokaż liczby wszystkich rekordów oraz dostępnych energii. Ich różnica wskazuje, gdzie występują braki.
energia_wiersze = pomiary_clean.pivot_table(
index="rok_miesiac", columns="lokalizacja",
aggfunc="size", fill_value=0
)
energia_n = pomiary_clean.pivot_table(
index="rok_miesiac", columns="lokalizacja",
values="energia", aggfunc="count", fill_value=0
)
display(energia_wiersze)
display(energia_n)
energia_ml_razem = pomiary_clean.pivot_table(
index="rok_miesiac", columns="lokalizacja", values="energia",
aggfunc="median", margins=True, margins_name="Razem"
)
assert np.isclose(energia_ml_razem.loc["Razem", "Razem"],
pomiary_clean["energia"].median())
display(energia_ml_razem.round(3))
|
Okres i miara |
Hala A |
Hala B |
Hala C |
|---|---|---|---|
|
Styczeń wszystkie rekordy |
186 |
186 |
124 |
|
Styczeń dostępna energia |
186 |
184 |
124 |
|
Luty wszystkie rekordy |
84 |
84 |
56 |
|
Luty dostępna energia |
84 |
84 |
56 |
Dwa braki energii występują w styczniu w Hali B. Zero jest właściwym uzupełnieniem liczebności nieobserwowanej kombinacji, ale nie mediany. Gdy brak dostępnych wartości energii, wynik mediany powinien pozostać nieznany. W naszych sześciu kombinacjach każda mediana istnieje.
Margins=True dodaje podsumowania obliczone ponownie z rekordów źródłowych. Mediana wszystkich 718 dostępnych energii wynosi 14,235 kWh i trafia do komórki Razem × Razem. Średnia sześciu median wynosi około 14,188 kWh. Nie jest tym samym wynikiem, ponieważ mediana nie daje się w ten sposób agregować. Analogicznie margines miesiąca lub lokalizacji nie jest sumą widocznych median.
Tabela krzyżowa i jawny mianownik
Crosstab() domyślnie liczy współwystępowanie kategorii. Dla lokalizacji i typu urządzenia pokaże liczbę rekordów pomiarowych w każdej parze. To inne pytanie niż mediana energii. Każde urządzenie wnosi tutaj 90 pomiarów, więc liczba rekordów nie jest bezpośrednio liczbą urządzeń.
typy_lokalizacje = pd.crosstab(
pomiary_clean["lokalizacja"], pomiary_clean["typ_urzadzenia"],
margins=True, margins_name="Razem"
)
udzialy_rekordow_typow = pd.crosstab(
pomiary_clean["lokalizacja"], pomiary_clean["typ_urzadzenia"],
normalize="index"
).mul(100)
assert typy_lokalizacje.loc["Razem", "Razem"] == 720
assert np.allclose(udzialy_rekordow_typow.sum(axis=1), 100)
display(typy_lokalizacje)
display(udzialy_rekordow_typow.round(1))
Normalize="index" odnosi każdą komórkę do sumy jej wiersza, tutaj liczby rekordów lokalizacji. Dla Hali A pompa, sprężarka i wentylator mają po około 33,3%, a przenośnik 0%. Dla Hali B po około 33,3% mają pompa, przenośnik i wentylator. Hala C dzieli się po 50% na przenośnik i sprężarkę.
Po zaokrągleniu trzy wartości 33,3% sumują się do 99,9%. To efekt prezentacji liczb, dlatego kontrolę wykonujesz przed zaokrągleniem. W tym zbiorze równe liczby pomiarów na urządzenie sprawiają, że udziały rekordów odpowiadają też strukturze urządzeń. Przy nierównej częstości pomiarów ta zgodność mogłaby zniknąć.
Normalize="columns" używa sumy kolumny i pyta o rozkład danego typu między lokalizacje. Normalize="all" odnosi komórkę do całego zbioru. Brak normalizacji daje liczebności. Najpierw wybierz pytanie i podstawę porównania, dopiero potem parametr funkcji.
Ćwiczenie w notebooku
Zbuduj analogiczną tabelę median produkcji z marginesami Razem oraz tabelę count. Obie z marginesami powinny mieć 3 wiersze i 4 kolumny, a globalna liczebność produkcji wynosić 719. Zapisz obserwację z jednostką oraz ograniczenie dotyczące niepełnego lutego.
Sprawdź rozumienie 5
Dlaczego komórka Razem × Razem z medianą energii nie jest średnią sześciu median? Co stanowi mianownik normalize="index" w tabeli lokalizacja × typ urządzenia?