Agrégations

La méga-brick Agrégations enchaîne plusieurs opérations d'agrégation, dans l'ordre déclaré : regroupement (group_by), pivot (pivot), dépivot (unpivot) et fonctions de fenêtre (window).

Elle remplace les anciennes bricks Aggregate, Pivot, Unpivot et Window (voir Bricks héritées).

Entrées	Sorties
in : le flux de données	out : le flux agrégé

remarque

Les opérations d'agrégation changent la forme du flux (colonnes et nombre de lignes). Le schéma de sortie dépend des données : après un pivot, les colonnes sont créées dynamiquement à partir des valeurs rencontrées.

group_by : regrouper et agréger

Regroupe les lignes par une ou plusieurs clés et calcule des agrégats. Sans clé (keys vide), l'agrégation porte sur tout le flux (une ligne par colonne agrégée).

Paramètre	Type	Défaut	Description
keys	liste	[]	Colonnes de regroupement. Vide = agrégation globale.
aggs	liste	—	Agrégats à calculer (requis ; sans eux, l'opération est ignorée).

Chaque élément de aggs :

Champ	Type	Défaut	Description
column	string	—	Colonne à agréger.
fn	string	sum	Fonction : sum, avg, count, min, max.
output_name	string	<colonne>_<fn>	Nom de la colonne résultat.

Avant :

client	montant
A	10
A	5
B	8

Après (keys: [client], aggs: [{ column: montant, fn: sum, output_name: total }]) :

client	total
A	15
B	8

pivot : lignes vers colonnes

Pivote des lignes en colonnes : une colonne fournit les noms des nouvelles colonnes, une autre leurs valeurs, agrégées si plusieurs lignes tombent dans la même case.

Paramètre	Type	Défaut	Description
index	liste	—	Colonnes conservées en lignes (requis).
columns	string	—	Colonne dont les valeurs deviennent des colonnes (requis).
values	string	—	Colonne des valeurs à répartir (requis).
aggfunc	string	sum	Agrégat en cas de doublons : sum, avg, count, min, max.

Avant :

mois	produit	ventes
janv	A	10
janv	B	4
févr	A	7

Après (index: [mois], columns: produit, values: ventes) :

mois	A	B
janv	10	4
févr	7	—

unpivot : colonnes vers lignes

Opération inverse du pivot : déplie plusieurs colonnes en paires variable / valeur, une ligne par colonne dépliée.

Paramètre	Type	Défaut	Description
id_columns	liste	[]	Colonnes d'identité, répétées sur chaque ligne.
value_columns	liste	toutes sauf id_columns	Colonnes à déplier.
var_name	string	variable	Nom de la colonne recevant les noms de colonnes.
value_name	string	value	Nom de la colonne recevant les valeurs.

Avant :

mois	A	B
janv	10	4

Après (id_columns: [mois]) :

mois	variable	value
janv	A	10
janv	B	4

window : fonctions de fenêtre

Calcule une valeur par ligne au sein d'une partition, après tri : numéro de ligne, rang, valeur précédente / suivante ou cumul.

Paramètre	Type	Défaut	Description
partition_by	liste	[]	Colonnes de partition. Vide = tout le flux.
order_by	liste	[]	Colonnes de tri appliqué avant le calcul.
fn	string	row_number	Fonction : row_number, rank (rang dense), lag, lead, cumsum.
column	string	—	Colonne source (requise pour rank, lag, lead, cumsum).
output_name	string	window_result	Nom de la colonne résultat.

Avant (triée par date) :

client	date	montant
A	01/01	10
A	02/01	5

Après (partition_by: [client], order_by: [date], fn: cumsum, column: montant, output_name: cumul) :

client	date	montant	cumul
A	01/01	10	10
A	02/01	5	15

Bonnes pratiques

• Une agrégation détruit le détail : si vous avez besoin des lignes d'origine plus loin dans le pipeline, dérivez l'agrégation sur une branche séparée plutôt qu'en ligne.
• Nommez vos sorties : renseignez output_name sur chaque agrégat plutôt que de dépendre du nom généré <colonne>_<fn>.
• window a besoin d'un tri : sans order_by, l'ordre des lignes (donc le résultat de row_number, lag, cumsum…) n'est pas garanti.
• Pour des agrégations très spécifiques, la brick Execute SQL permet d'écrire la requête directement.

Voir aussi : Bricks héritées.