Tương tự như mệnh đề SQL GROUP BY hàm pandas
import pandas as pd
technologies = ({
'Courses':["Spark","PySpark","Hadoop","Python","Pandas","Hadoop","Spark","Python","NA"],
'Fee' :[22000,25000,23000,24000,26000,25000,25000,22000,1500],
'Duration':['30days','50days','55days','40days','60days','35days','30days','50days','40days'],
'Discount':[1000,2300,1000,1200,2500,None,1400,1600,0]
})
df = pd.DataFrame(technologies)
print(df)
8 dùng để gom dữ liệu giống nhau thành các nhóm và thực hiện các hàm tổng hợp trên dữ liệu đã nhóm. Nhóm theo hoạt động liên quan đến việc chia tách dữ liệu, áp dụng một số chức năng và cuối cùng là tổng hợp kết quảTrong pandas, bạn có thể sử dụng
import pandas as pd
technologies = ({
'Courses':["Spark","PySpark","Hadoop","Python","Pandas","Hadoop","Spark","Python","NA"],
'Fee' :[22000,25000,23000,24000,26000,25000,25000,22000,1500],
'Duration':['30days','50days','55days','40days','60days','35days','30days','50days','40days'],
'Discount':[1000,2300,1000,1200,2500,None,1400,1600,0]
})
df = pd.DataFrame(technologies)
print(df)
9 với sự kết hợp của
Courses Fee Duration Discount
0 Spark 22000 30days 1000.0
1 PySpark 25000 50days 2300.0
2 Hadoop 23000 55days 1000.0
3 Python 24000 40days 1200.0
4 Pandas 26000 60days 2500.0
5 Hadoop 25000 35days NaN
6 Spark 25000 30days 1400.0
7 Python 22000 50days 1600.0
8 NA 1500 40days 0.0
0,
Courses Fee Duration Discount
0 Spark 22000 30days 1000.0
1 PySpark 25000 50days 2300.0
2 Hadoop 23000 55days 1000.0
3 Python 24000 40days 1200.0
4 Pandas 26000 60days 2500.0
5 Hadoop 25000 35days NaN
6 Spark 25000 30days 1400.0
7 Python 22000 50days 1600.0
8 NA 1500 40days 0.0
1,
Courses Fee Duration Discount
0 Spark 22000 30days 1000.0
1 PySpark 25000 50days 2300.0
2 Hadoop 23000 55days 1000.0
3 Python 24000 40days 1200.0
4 Pandas 26000 60days 2500.0
5 Hadoop 25000 35days NaN
6 Spark 25000 30days 1400.0
7 Python 22000 50days 1600.0
8 NA 1500 40days 0.0
2, tổng hợp() và nhiều phương thức khác. Trong bài viết này, tôi sẽ trình bày cách nhóm theo một cột hoặc nhiều cột bằng cách sử dụng tập hợp với các ví dụ1. Pandas groupby() Cú phápDưới đây là cú pháp của hàm
import pandas as pd
technologies = ({
'Courses':["Spark","PySpark","Hadoop","Python","Pandas","Hadoop","Spark","Python","NA"],
'Fee' :[22000,25000,23000,24000,26000,25000,25000,22000,1500],
'Duration':['30days','50days','55days','40days','60days','35days','30days','50days','40days'],
'Discount':[1000,2300,1000,1200,2500,None,1400,1600,0]
})
df = pd.DataFrame(technologies)
print(df)
9, hàm này nhận một số tham số được giải thích bên dưới và trả về đối tượng
Courses Fee Duration Discount
0 Spark 22000 30days 1000.0
1 PySpark 25000 50days 2300.0
2 Hadoop 23000 55days 1000.0
3 Python 24000 40days 1200.0
4 Pandas 26000 60days 2500.0
5 Hadoop 25000 35days NaN
6 Spark 25000 30days 1400.0
7 Python 22000 50days 1600.0
8 NA 1500 40days 0.0
4 chứa thông tin về các nhóm
# Syntax of DataFrame.groupby()
DataFrame.groupby(by=None, axis=0, level=None, as_index=True,
sort=True, group_keys=True, squeeze=<no_default>,
observed=False, dropna=True)
Courses Fee Duration Discount
0 Spark 22000 30days 1000.0
1 PySpark 25000 50days 2300.0
2 Hadoop 23000 55days 1000.0
3 Python 24000 40days 1200.0
4 Pandas 26000 60days 2500.0
5 Hadoop 25000 35days NaN
6 Spark 25000 30days 1400.0
7 Python 22000 50days 1600.0
8 NA 1500 40days 0.0
5 – Danh sách tên cột để nhóm theo
Courses Fee Duration Discount
0 Spark 22000 30days 1000.0
1 PySpark 25000 50days 2300.0
2 Hadoop 23000 55days 1000.0
3 Python 24000 40days 1200.0
4 Pandas 26000 60days 2500.0
5 Hadoop 25000 35days NaN
6 Spark 25000 30days 1400.0
7 Python 22000 50days 1600.0
8 NA 1500 40days 0.0
6 – Mặc định là 0. Phải mất 0 hoặc 'chỉ mục', 1 hoặc 'cột'
Courses Fee Duration Discount
0 Spark 22000 30days 1000.0
1 PySpark 25000 50days 2300.0
2 Hadoop 23000 55days 1000.0
3 Python 24000 40days 1200.0
4 Pandas 26000 60days 2500.0
5 Hadoop 25000 35days NaN
6 Spark 25000 30days 1400.0
7 Python 22000 50days 1600.0
8 NA 1500 40days 0.0
7 – Được sử dụng với MultiIndex
Courses Fee Duration Discount
0 Spark 22000 30days 1000.0
1 PySpark 25000 50days 2300.0
2 Hadoop 23000 55days 1000.0
3 Python 24000 40days 1200.0
4 Pandas 26000 60days 2500.0
5 Hadoop 25000 35days NaN
6 Spark 25000 30days 1400.0
7 Python 22000 50days 1600.0
8 NA 1500 40days 0.0
8 – đầu ra được nhóm theo kiểu sql
Courses Fee Duration Discount
0 Spark 22000 30days 1000.0
1 PySpark 25000 50days 2300.0
2 Hadoop 23000 55days 1000.0
3 Python 24000 40days 1200.0
4 Pandas 26000 60days 2500.0
5 Hadoop 25000 35days NaN
6 Spark 25000 30days 1400.0
7 Python 22000 50days 1600.0
8 NA 1500 40days 0.0
9 – Mặc định là True. Chỉ định có sắp xếp theo nhóm hay không
import pandas as pd
technologies = ({
'Courses':["Spark","PySpark","Hadoop","Python","Pandas","Hadoop","Spark","Python","NA"],
'Fee' :[22000,25000,23000,24000,26000,25000,25000,22000,1500],
'Duration':['30days','50days','55days','40days','60days','35days','30days','50days','40days'],
'Discount':[1000,2300,1000,1200,2500,None,1400,1600,0]
})
df = pd.DataFrame(technologies)
print(df)
30 – thêm khóa nhóm hay không
import pandas as pd
technologies = ({
'Courses':["Spark","PySpark","Hadoop","Python","Pandas","Hadoop","Spark","Python","NA"],
'Fee' :[22000,25000,23000,24000,26000,25000,25000,22000,1500],
'Duration':['30days','50days','55days','40days','60days','35days','30days','50days','40days'],
'Discount':[1000,2300,1000,1200,2500,None,1400,1600,0]
})
df = pd.DataFrame(technologies)
print(df)
31 – không dùng nữa trong các phiên bản mới
import pandas as pd
technologies = ({
'Courses':["Spark","PySpark","Hadoop","Python","Pandas","Hadoop","Spark","Python","NA"],
'Fee' :[22000,25000,23000,24000,26000,25000,25000,22000,1500],
'Duration':['30days','50days','55days','40days','60days','35days','30days','50days','40days'],
'Discount':[1000,2300,1000,1200,2500,None,1400,1600,0]
})
df = pd.DataFrame(technologies)
print(df)
32 – Điều này chỉ áp dụng nếu bất kỳ nhóm nào là Phân loại
import pandas as pd
technologies = ({
'Courses':["Spark","PySpark","Hadoop","Python","Pandas","Hadoop","Spark","Python","NA"],
'Fee' :[22000,25000,23000,24000,26000,25000,25000,22000,1500],
'Duration':['30days','50days','55days','40days','60days','35days','30days','50days','40days'],
'Discount':[1000,2300,1000,1200,2500,None,1400,1600,0]
})
df = pd.DataFrame(technologies)
print(df)
33 – Mặc định là Sai. Sử dụng True để bỏ Không/Nan trên các phím sory
Để giải thích một số ví dụ về cách thực hiện nhóm theo, trước tiên, hãy tạo một DataFrame đơn giản với sự kết hợp của các cột chuỗi và số
import pandas as pd
technologies = ({
'Courses':["Spark","PySpark","Hadoop","Python","Pandas","Hadoop","Spark","Python","NA"],
'Fee' :[22000,25000,23000,24000,26000,25000,25000,22000,1500],
'Duration':['30days','50days','55days','40days','60days','35days','30days','50days','40days'],
'Discount':[1000,2300,1000,1200,2500,None,1400,1600,0]
})
df = pd.DataFrame(technologies)
print(df)
Sản lượng dưới sản lượng
Courses Fee Duration Discount
0 Spark 22000 30days 1000.0
1 PySpark 25000 50days 2300.0
2 Hadoop 23000 55days 1000.0
3 Python 24000 40days 1200.0
4 Pandas 26000 60days 2500.0
5 Hadoop 25000 35days NaN
6 Spark 25000 30days 1400.0
7 Python 22000 50days 1600.0
8 NA 1500 40days 0.0
2. Pandas groupby() Ví dụNhư tôi đã nói ở trên, hàm
import pandas as pd
technologies = ({
'Courses':["Spark","PySpark","Hadoop","Python","Pandas","Hadoop","Spark","Python","NA"],
'Fee' :[22000,25000,23000,24000,26000,25000,25000,22000,1500],
'Duration':['30days','50days','55days','40days','60days','35days','30days','50days','40days'],
'Discount':[1000,2300,1000,1200,2500,None,1400,1600,0]
})
df = pd.DataFrame(technologies)
print(df)
9 trả về đối tượng
Courses Fee Duration Discount
0 Spark 22000 30days 1000.0
1 PySpark 25000 50days 2300.0
2 Hadoop 23000 55days 1000.0
3 Python 24000 40days 1200.0
4 Pandas 26000 60days 2500.0
5 Hadoop 25000 35days NaN
6 Spark 25000 30days 1400.0
7 Python 22000 50days 1600.0
8 NA 1500 40days 0.0
4 sau khi thu thập dữ liệu giống hệt nhau thành các nhóm từ DataFrame của gấu trúc. Đối tượng này chứa một số phương thức (
Courses Fee Duration Discount
0 Spark 22000 30days 1000.0
1 PySpark 25000 50days 2300.0
2 Hadoop 23000 55days 1000.0
3 Python 24000 40days 1200.0
4 Pandas 26000 60days 2500.0
5 Hadoop 25000 35days NaN
6 Spark 25000 30days 1400.0
7 Python 22000 50days 1600.0
8 NA 1500 40days 0.0
0,
import pandas as pd
technologies = ({
'Courses':["Spark","PySpark","Hadoop","Python","Pandas","Hadoop","Spark","Python","NA"],
'Fee' :[22000,25000,23000,24000,26000,25000,25000,22000,1500],
'Duration':['30days','50days','55days','40days','60days','35days','30days','50days','40days'],
'Discount':[1000,2300,1000,1200,2500,None,1400,1600,0]
})
df = pd.DataFrame(technologies)
print(df)
37 e. t. c) có thể được sử dụng để tổng hợp các hàng được nhóm
import pandas as pd
technologies = ({
'Courses':["Spark","PySpark","Hadoop","Python","Pandas","Hadoop","Spark","Python","NA"],
'Fee' :[22000,25000,23000,24000,26000,25000,25000,22000,1500],
'Duration':['30days','50days','55days','40days','60days','35days','30days','50days','40days'],
'Discount':[1000,2300,1000,1200,2500,None,1400,1600,0]
})
df = pd.DataFrame(technologies)
print(df)
3Sản lượng dưới sản lượng
Courses Fee Duration Discount
0 Spark 22000 30days 1000.0
1 PySpark 25000 50days 2300.0
2 Hadoop 23000 55days 1000.0
3 Python 24000 40days 1200.0
4 Pandas 26000 60days 2500.0
5 Hadoop 25000 35days NaN
6 Spark 25000 30days 1400.0
7 Python 22000 50days 1600.0
8 NA 1500 40days 0.0
43. Pandas groupby() trên hai hoặc nhiều cộtHầu hết thời gian chúng tôi cần thực hiện nhóm trên nhiều cột của DataFrame, bạn có thể thực hiện việc này bằng cách chuyển danh sách các nhãn cột mà bạn muốn thực hiện nhóm theo trên
Courses Fee Duration Discount
0 Spark 22000 30days 1000.0
1 PySpark 25000 50days 2300.0
2 Hadoop 23000 55days 1000.0
3 Python 24000 40days 1200.0
4 Pandas 26000 60days 2500.0
5 Hadoop 25000 35days NaN
6 Spark 25000 30days 1400.0
7 Python 22000 50days 1600.0
8 NA 1500 40days 0.0
5Sản lượng dưới sản lượng
Courses Fee Duration Discount
0 Spark 22000 30days 1000.0
1 PySpark 25000 50days 2300.0
2 Hadoop 23000 55days 1000.0
3 Python 24000 40days 1200.0
4 Pandas 26000 60days 2500.0
5 Hadoop 25000 35days NaN
6 Spark 25000 30days 1400.0
7 Python 22000 50days 1600.0
8 NA 1500 40days 0.0
64. Thêm chỉ mục vào dữ liệu được nhómTheo mặc định, kết quả
import pandas as pd
technologies = ({
'Courses':["Spark","PySpark","Hadoop","Python","Pandas","Hadoop","Spark","Python","NA"],
'Fee' :[22000,25000,23000,24000,26000,25000,25000,22000,1500],
'Duration':['30days','50days','55days','40days','60days','35days','30days','50days','40days'],
'Discount':[1000,2300,1000,1200,2500,None,1400,1600,0]
})
df = pd.DataFrame(technologies)
print(df)
9 không bao gồm Chỉ mục hàng, bạn có thể thêm chỉ mục bằng DataFrame. phương thức reset_index()
Courses Fee Duration Discount
0 Spark 22000 30days 1000.0
1 PySpark 25000 50days 2300.0
2 Hadoop 23000 55days 1000.0
3 Python 24000 40days 1200.0
4 Pandas 26000 60days 2500.0
5 Hadoop 25000 35days NaN
6 Spark 25000 30days 1400.0
7 Python 22000 50days 1600.0
8 NA 1500 40days 0.0
8Sản lượng dưới sản lượng
Courses Fee Duration Discount
0 Spark 22000 30days 1000.0
1 PySpark 25000 50days 2300.0
2 Hadoop 23000 55days 1000.0
3 Python 24000 40days 1200.0
4 Pandas 26000 60days 2500.0
5 Hadoop 25000 35days NaN
6 Spark 25000 30days 1400.0
7 Python 22000 50days 1600.0
8 NA 1500 40days 0.0
95. Bỏ NA /None/Nan (trên phím nhóm) khỏi Kết quảBạn cũng có thể chọn có bao gồm NA/None/Nan trong khóa nhóm hay không bằng cách đặt tham số
import pandas as pd
technologies = ({
'Courses':["Spark","PySpark","Hadoop","Python","Pandas","Hadoop","Spark","Python","NA"],
'Fee' :[22000,25000,23000,24000,26000,25000,25000,22000,1500],
'Duration':['30days','50days','55days','40days','60days','35days','30days','50days','40days'],
'Discount':[1000,2300,1000,1200,2500,None,1400,1600,0]
})
df = pd.DataFrame(technologies)
print(df)
33. Theo mặc định, giá trị của
import pandas as pd
technologies = ({
'Courses':["Spark","PySpark","Hadoop","Python","Pandas","Hadoop","Spark","Python","NA"],
'Fee' :[22000,25000,23000,24000,26000,25000,25000,22000,1500],
'Duration':['30days','50days','55days','40days','60days','35days','30days','50days','40days'],
'Discount':[1000,2300,1000,1200,2500,None,1400,1600,0]
})
df = pd.DataFrame(technologies)
print(df)
33 được đặt thành
Courses Fee Duration Discount
0 Spark 22000 30days 1000.0
1 PySpark 25000 50days 2300.0
2 Hadoop 23000 55days 1000.0
3 Python 24000 40days 1200.0
4 Pandas 26000 60days 2500.0
5 Hadoop 25000 35days NaN
6 Spark 25000 30days 1400.0
7 Python 22000 50days 1600.0
8 NA 1500 40days 0.0
41. vì vậy để không bao gồm các giá trị Không/Nan trên các khóa nhóm được đặt tham số
Courses Fee Duration Discount
0 Spark 22000 30days 1000.0
1 PySpark 25000 50days 2300.0
2 Hadoop 23000 55days 1000.0
3 Python 24000 40days 1200.0
4 Pandas 26000 60days 2500.0
5 Hadoop 25000 35days NaN
6 Spark 25000 30days 1400.0
7 Python 22000 50days 1600.0
8 NA 1500 40days 0.0
42
Courses Fee Duration Discount
0 Spark 22000 30days 1000.0
1 PySpark 25000 50days 2300.0
2 Hadoop 23000 55days 1000.0
3 Python 24000 40days 1200.0
4 Pandas 26000 60days 2500.0
5 Hadoop 25000 35days NaN
6 Spark 25000 30days 1400.0
7 Python 22000 50days 1600.0
8 NA 1500 40days 0.0
46. Sắp xếp kết quả groupby() theo Khóa nhómTheo mặc định, hàm groupby() sắp xếp kết quả theo khóa nhóm do đó sẽ mất thêm thời gian, nếu bạn gặp vấn đề về hiệu suất và không muốn sắp xếp nhóm theo kết quả, bạn có thể tắt chức năng này bằng cách sử dụng thông số
Courses Fee Duration Discount
0 Spark 22000 30days 1000.0
1 PySpark 25000 50days 2300.0
2 Hadoop 23000 55days 1000.0
3 Python 24000 40days 1200.0
4 Pandas 26000 60days 2500.0
5 Hadoop 25000 35days NaN
6 Spark 25000 30days 1400.0
7 Python 22000 50days 1600.0
8 NA 1500 40days 0.0
43
import pandas as pd
technologies = ({
'Courses':["Spark","PySpark","Hadoop","Python","Pandas","Hadoop","Spark","Python","NA"],
'Fee' :[22000,25000,23000,24000,26000,25000,25000,22000,1500],
'Duration':['30days','50days','55days','40days','60days','35days','30days','50days','40days'],
'Discount':[1000,2300,1000,1200,2500,None,1400,1600,0]
})
df = pd.DataFrame(technologies)
print(df)
0Nếu bạn muốn sắp xếp thứ tự khóa giảm dần, hãy sử dụng bên dưới
import pandas as pd
technologies = ({
'Courses':["Spark","PySpark","Hadoop","Python","Pandas","Hadoop","Spark","Python","NA"],
'Fee' :[22000,25000,23000,24000,26000,25000,25000,22000,1500],
'Duration':['30days','50days','55days','40days','60days','35days','30days','50days','40days'],
'Discount':[1000,2300,1000,1200,2500,None,1400,1600,0]
})
df = pd.DataFrame(technologies)
print(df)
1Trong trường hợp bạn muốn sắp xếp theo một khóa khác, bạn có thể thực hiện bằng cách sử dụng DataFrame. áp dụng() chức năng
import pandas as pd
technologies = ({
'Courses':["Spark","PySpark","Hadoop","Python","Pandas","Hadoop","Spark","Python","NA"],
'Fee' :[22000,25000,23000,24000,26000,25000,25000,22000,1500],
'Duration':['30days','50days','55days','40days','60days','35days','30days','50days','40days'],
'Discount':[1000,2300,1000,1200,2500,None,1400,1600,0]
})
df = pd.DataFrame(technologies)
print(df)
27. Áp dụng nhiều tập hợp hơnBạn cũng có thể tính toán nhiều tập hợp cùng một lúc trong pandas bằng cách chuyển danh sách các hàm agg tới
Courses Fee Duration Discount
0 Spark 22000 30days 1000.0
1 PySpark 25000 50days 2300.0
2 Hadoop 23000 55days 1000.0
3 Python 24000 40days 1200.0
4 Pandas 26000 60days 2500.0
5 Hadoop 25000 35days NaN
6 Spark 25000 30days 1400.0
7 Python 22000 50days 1600.0
8 NA 1500 40days 0.0
44
import pandas as pd
technologies = ({
'Courses':["Spark","PySpark","Hadoop","Python","Pandas","Hadoop","Spark","Python","NA"],
'Fee' :[22000,25000,23000,24000,26000,25000,25000,22000,1500],
'Duration':['30days','50days','55days','40days','60days','35days','30days','50days','40days'],
'Discount':[1000,2300,1000,1200,2500,None,1400,1600,0]
})
df = pd.DataFrame(technologies)
print(df)
3Sản lượng dưới sản lượng
import pandas as pd
technologies = ({
'Courses':["Spark","PySpark","Hadoop","Python","Pandas","Hadoop","Spark","Python","NA"],
'Fee' :[22000,25000,23000,24000,26000,25000,25000,22000,1500],
'Duration':['30days','50days','55days','40days','60days','35days','30days','50days','40days'],
'Discount':[1000,2300,1000,1200,2500,None,1400,1600,0]
})
df = pd.DataFrame(technologies)
print(df)
4Ví dụ trên tính toán
Courses Fee Duration Discount
0 Spark 22000 30days 1000.0
1 PySpark 25000 50days 2300.0
2 Hadoop 23000 55days 1000.0
3 Python 24000 40days 1200.0
4 Pandas 26000 60days 2500.0
5 Hadoop 25000 35days NaN
6 Spark 25000 30days 1400.0
7 Python 22000 50days 1600.0
8 NA 1500 40days 0.0
45 và
Courses Fee Duration Discount
0 Spark 22000 30days 1000.0
1 PySpark 25000 50days 2300.0
2 Hadoop 23000 55days 1000.0
3 Python 24000 40days 1200.0
4 Pandas 26000 60days 2500.0
5 Hadoop 25000 35days NaN
6 Spark 25000 30days 1400.0
7 Python 22000 50days 1600.0
8 NA 1500 40days 0.0
46 trên cột
Courses Fee Duration Discount
0 Spark 22000 30days 1000.0
1 PySpark 25000 50days 2300.0
2 Hadoop 23000 55days 1000.0
3 Python 24000 40days 1200.0
4 Pandas 26000 60days 2500.0
5 Hadoop 25000 35days NaN
6 Spark 25000 30days 1400.0
7 Python 22000 50days 1600.0
8 NA 1500 40days 0.0
47. Hãy mở rộng điều này để tính toán các tập hợp khác nhau trên các cột khác nhauLưu ý rằng việc áp dụng một số tập hợp cho một cột duy nhất trong pandas DataFrame sẽ dẫn đến MultiIndex
import pandas as pd
technologies = ({
'Courses':["Spark","PySpark","Hadoop","Python","Pandas","Hadoop","Spark","Python","NA"],
'Fee' :[22000,25000,23000,24000,26000,25000,25000,22000,1500],
'Duration':['30days','50days','55days','40days','60days','35days','30days','50days','40days'],
'Discount':[1000,2300,1000,1200,2500,None,1400,1600,0]
})
df = pd.DataFrame(technologies)
print(df)
5Sản lượng dưới sản lượng. Lưu ý rằng điều này tạo ra MultiIndex. Làm việc với các cột có nhiều chỉ mục không dễ dàng vì vậy tôi khuyên bạn nên làm phẳng bằng cách đổi tên các cột
import pandas as pd
technologies = ({
'Courses':["Spark","PySpark","Hadoop","Python","Pandas","Hadoop","Spark","Python","NA"],
'Fee' :[22000,25000,23000,24000,26000,25000,25000,22000,1500],
'Duration':['30days','50days','55days','40days','60days','35days','30days','50days','40days'],
'Discount':[1000,2300,1000,1200,2500,None,1400,1600,0]
})
df = pd.DataFrame(technologies)
print(df)
68. Ví dụ hoàn chỉnh về groupby() trong DataFrame
import pandas as pd
technologies = ({
'Courses':["Spark","PySpark","Hadoop","Python","Pandas","Hadoop","Spark","Python","NA"],
'Fee' :[22000,25000,23000,24000,26000,25000,25000,22000,1500],
'Duration':['30days','50days','55days','40days','60days','35days','30days','50days','40days'],
'Discount':[1000,2300,1000,1200,2500,None,1400,1600,0]
})
df = pd.DataFrame(technologies)
print(df)
7Sự kết luậnTrong bài viết này, tôi đã đề cập đến cú pháp groupby() của Pandas và một số ví dụ về cách thu thập dữ liệu giống hệt nhau thành các nhóm. Tôi hy vọng bạn đã học cách chạy nhóm theo một số cột, sắp xếp dữ liệu được nhóm, bỏ qua giá trị null và nhiều ví dụ khác
Chúng ta có thể nhóm theo 2 cột trong Python không?
Nhóm theo nhiều cột
. You can do this by passing a list of column names to groupby instead of a single string value.
Tôi có thể nhóm một đối tượng trong gấu trúc không?
Pandas' groupby() cho phép chúng tôi chia dữ liệu thành các nhóm riêng biệt để thực hiện tính toán nhằm phân tích tốt hơn . Trong bài viết này, bạn sẽ tìm hiểu quy trình “nhóm theo” (tách-áp dụng-kết hợp) và cách sử dụng hàm groupby() của Pandas để nhóm dữ liệu và thực hiện các thao tác.
Phương thức groupby() hoạt động như thế nào trong gấu trúc?
Thao tác theo nhóm liên quan đến một số kết hợp tách đối tượng, áp dụng hàm và kết hợp các kết quả . Điều này có thể được sử dụng để nhóm một lượng lớn dữ liệu và tính toán các hoạt động trên các nhóm này. Được sử dụng để xác định các nhóm cho nhóm.
Tôi có thể sử dụng nhóm mà không có hàm tổng hợp Python không?
GROUP BY không có hàm tổng hợp Mặc dù hầu hết thời gian GROUP BY được sử dụng cùng với các hàm tổng hợp, nó vẫn có thể được sử dụng mà không có hàm tổng hợp . |
