Nivel 1 · Pedidos por canal y estado, en una cuadrícula

Tablas largas y cuadrículas anchas

Un groupby con dos claves te da una tabla larga: una fila por combinación.

orders.groupby(["channel", "status"]).size()
# channel      status
# app          cancelled     265
#              completed    3885
#              pending        50
#              refunded      120
# marketplace  cancelled     108
# ...                       (12 rows)

Todos los números están ahí, pero es difícil compararlos entre canales. Una cuadrícula ancha pone una clave en el lateral y la otra arriba, de modo que cada celda es una combinación. Eso es lo que la gente entiende por tabla dinámica en una hoja de cálculo, y pandas tiene la misma herramienta: pivot_table.

Cuatro argumentos, cuatro preguntas

Cada argumento responde una pregunta sobre la cuadrícula que quieres:

orders.pivot_table(
    values="order_id",     # WHAT do I measure?
    index="channel",       # what goes DOWN the side (one row each)?
    columns="status",      # what goes ACROSS the top (one column each)?
    aggfunc="count",       # WHICH operation combines the rows in a cell?
)

• values es la columna que agregas. Para contar filas, lo más claro es una columna de ID sin huecos.
• index se convierte en las etiquetas de fila, ordenadas de la A a la Z; columns en las etiquetas de columna, también ordenadas.
• aggfunc es el cálculo: "count", "sum", "mean", "median", "max", "nunique". aggfunc="size" cuenta filas sin necesitar values en absoluto.

Si omites columns obtienes un resumen unidimensional: una fila por canal, una columna.

El resultado tiene channel como índice y los estados como columnas. Cuando compruebas la tabla o la exportas, el nombre del índice channel viaja como primera columna.

Celdas vacías y fill_value

Cuando una combinación nunca ocurre, la celda está vacía, y pandas la muestra como NaN. Productos por categoría y marca de activo es un buen ejemplo: todos los productos de Lighting siguen activos.

products.pivot_table(index="category", columns="is_active",
                     values="product_id", aggfunc="count")
# is_active  False  True
# category
# Decor        3.0   17.0
# ...
# Lighting     NaN   20.0

El NaN además convierte los recuentos en floats (3.0, 17.0). Para un recuento, “sin filas” significa 0, así que pasa fill_value=0: la celda vacía pasa a ser 0 y los recuentos siguen siendo números enteros.

products.pivot_table(index="category", columns="is_active",
                     values="product_id", aggfunc="count", fill_value=0)
# Lighting       0    20

Rellena con 0 solo cuando cero es la verdad. Para un precio medio en una celda sin productos, 0 sería una mentira; déjalo como NaN.

¿pivot_table o groupby?

Ambos calculan los mismos números. Elige según la forma que necesites después:

• pivot_table cuando el resultado es un informe: filas × columnas para que una persona lea, exporte o grafique en dos dimensiones. En la tabla de pedidos completa, los pedidos completados son 5.367 para web, 3.885 para app y 1.597 para marketplace, uno junto al otro en una sola columna.
• groupby cuando el resultado es un cálculo: un valor por grupo que vas a filtrar, unir o pasar al siguiente paso.

Errores comunes

• Omitir aggfunc. El valor por defecto es "mean", que promedia valores de order_id: números, pero sin sentido.
• Intercambiar index y columns, lo que da los estados como filas y los canales arriba.
• Contar una columna que tiene valores ausentes. "count" omite los NaN, así que usa una columna de ID o aggfunc="size".
• Rellenar con 0 cuando el agregado es una media o una tasa: una celda vacía es desconocida, no cero.