Nivel 2 · Ingresos por categoría, de varias maneras

Sumar en una cuadrícula

Contar es un uso de pivot_table; sumar una columna de dinero es el otro uso cotidiano. Solo cambian la respuesta a “¿qué calculo?” (values) y a “¿qué operación?” (aggfunc):

spend = marketing_spend.assign(year=marketing_spend["spend_date"].dt.year)
spend.pivot_table(index="year", columns="channel", values="amount", aggfunc="sum").round(2)
# channel      email       paid     social
# year
# 2023      28989.02  253948.40   99253.03
# 2024      32876.47  294047.40  114970.96
# 2025      38322.22  340778.33  131540.77

El año sale de la fecha con .dt.year. Las etiquetas de año son enteros, así que una columna de una cuadrícula con años en horizontal se selecciona como grid[2025], no grid["2025"].

Crear primero las columnas

Un pivot solo puede usar columnas que existen. Los ingresos por categoría necesitan cosas que las líneas de pedido aún no tienen: la categoría (en products), la fecha y el estado del pedido (en orders) y los propios ingresos. Así que el trabajo ocurre antes del pivot: merge, filtro, calcular la medida, y luego pivot.

Varias funciones a la vez

aggfunc también acepta una lista. Cada función se convierte en su propio bloque de columnas:

p = items.pivot_table(index="category", values="revenue",
                      aggfunc=["sum", "median", "count"])
p.columns.tolist()
# [('sum', 'revenue'), ('median', 'revenue'), ('count', 'revenue')]

Las etiquetas de columna tienen ahora dos niveles: la función arriba, la columna medida debajo. Cuando este juego muestra o comprueba una tabla así, los niveles se unen con un guion bajo, así que ves sum_revenue, median_revenue y count_revenue. En tu propio código puedes hacer lo mismo con p.columns = ["_".join(c) for c in p.columns], o seleccionar un bloque con p["median"].

Con los tres años de pedidos completados, Decor tiene 7.407 líneas con una mediana de $44.98, y Furniture solo 1.450 líneas con una mediana de $670.65. La suma sola mostraría dos categorías grandes; la mediana y el recuento muestran que son grandes de maneras completamente distintas.

Por qué la mediana junto a la suma

La mediana es la línea del medio: la mitad de las líneas están por debajo, la mitad por encima. A diferencia de la media, un puñado de pedidos de empresa de $10,000 apenas la mueve, así que describe una compra típica. El recuento te dice en cuánta evidencia se apoya cada cifra. Un total, un valor típico y un recuento juntos responden a la mayoría de las preguntas de “¿cómo le va a esta categoría?”.

Errores comunes

• Valorar las líneas con products["unit_price"]. Ese es el precio de lista actual; la línea de pedido tiene el precio que el cliente realmente pagó.
• Olvidar aggfunc. El valor por defecto es la media, así que cada celda muestra una línea media.
• Filtrar por estado o año después del pivot. El pivot ya no tiene esas columnas; filtra antes.
• Esperar nombres de columna simples a partir de una lista de funciones. Tienen dos niveles; únelos o selecciónalos.