Pivot-Tabellen in Pandas: Ein Leitfaden für die Datenanalyse mit Python

21.11.2025

Einführung in Pivot-Tabellen

Pivot-Tabellen sind ein mächtiges Werkzeug in der Datenanalyse, das es ermöglicht, grosse Datenmengen zu organisieren, zusammenzufassen und zu analysieren. In Python wird diese Funktionalität häufig mit der Pandas-Bibliothek umgesetzt, die speziell für die Datenanalyse und -manipulation entwickelt wurde. Dieser Artikel bietet eine umfassende Einführung in die Erstellung und Nutzung von Pivot-Tabellen in Pandas.

Warum Pivot-Tabellen?

Pivot-Tabellen bieten eine flexible Möglichkeit, Daten zu aggregieren und zu reorganisieren. Sie sind besonders nützlich, um Trends, Muster oder Ausreisser in grossen Datensätzen zu erkennen. Mit Pivot-Tabellen können Sie Daten nach verschiedenen Dimensionen zusammenfassen, zum Beispiel nach Kategorien oder Zeiträumen, um so tiefere Einblicke zu gewinnen.

Grundlagen von Pandas

Bevor wir uns mit Pivot-Tabellen beschäftigen, ist es wichtig, ein grundlegendes Verständnis für die Pandas-Bibliothek zu haben. Pandas ist eine Open-Source-Bibliothek, die auf Python basiert und Datenstrukturen sowie Werkzeuge zur Datenanalyse bietet. Die beiden Hauptdatenstrukturen in Pandas sind Series und DataFrame. Während eine Series eine eindimensionale Datenstruktur ist, entspricht ein DataFrame einer zweidimensionalen Tabelle, ähnlich einem Excel-Blatt.

Erstellen einer Pivot-Tabelle

Um eine Pivot-Tabelle in Pandas zu erstellen, verwenden wir die Funktion pivot_table(). Diese Funktion ermöglicht es uns, eine neue Tabelle basierend auf den Daten in einem bestehenden DataFrame zu erstellen. Ein einfaches Beispiel für die Erstellung einer Pivot-Tabelle könnte wie folgt aussehen:

import pandas as pd

# Beispiel-Datensatz erstellen
data = {'Kategorie': ['A', 'B', 'A', 'C'],
        'Wert': [10, 20, 15, 10],
        'Datum': ['2025-01-01', '2025-01-02', '2025-01-01', '2025-01-02']}
df = pd.DataFrame(data)

# Pivot-Tabelle erstellen
pivot_table = df.pivot_table(values='Wert', index='Datum', columns='Kategorie', aggfunc='sum')
print(pivot_table)

In diesem Beispiel erstellen wir eine Pivot-Tabelle, die die Werte nach Datum und Kategorie zusammenfasst.

Optionen und Anpassungen

Die pivot_table()-Funktion bietet mehrere Parameter, um die Erstellung der Pivot-Tabelle anzupassen. Diese beinhalten:

• values: Die Spalte, deren Werte zusammengefasst werden sollen.
• index: Die Spalte(n), die als Zeilenbeschriftungen verwendet werden.
• columns: Die Spalte(n), die als Spaltenbeschriftungen verwendet werden.
• aggfunc: Die Aggregationsfunktion, die auf die Daten angewendet werden soll (z.B. sum, mean, count).

Durch die Anpassung dieser Parameter können Sie die Pivot-Tabelle genau auf Ihre Analysebedürfnisse zuschneiden.

Praxisbeispiele

Pivot-Tabellen sind vielseitig einsetzbar. Ein gängiges Beispiel ist die Analyse von Verkaufsdaten, bei der man den Umsatz nach verschiedenen Dimensionen wie Produktkategorie, Region oder Zeitraum zusammenfasst. Ein weiteres Beispiel ist die Analyse von Umfragedaten, um Durchschnittswerte oder Häufigkeiten zu bestimmen.

Fazit

Pivot-Tabellen in Pandas sind ein unverzichtbares Werkzeug für alle, die regelmässig mit Daten arbeiten. Sie bieten eine einfache und effektive Möglichkeit, komplexe Datensätze zu analysieren und wertvolle Einblicke zu gewinnen. Mit den in diesem Artikel beschriebenen Grundlagen und Beispielen sind Sie gut gerüstet, um Pivot-Tabellen in Ihren eigenen Projekten zu nutzen.