<\/p>\n
Sie k\u00f6nnen die Funktion \u201ebeschreiben()\u201c<\/strong> verwenden, um beschreibende Statistiken f\u00fcr Variablen in einem Pandas-DataFrame zu generieren.<\/span><\/p>\n Sie k\u00f6nnen die folgende grundlegende Syntax verwenden, um die Funktion \u201ebeschreiben()\u201c<\/strong> mit der Funktion \u201egroupby()\u201c<\/strong> in Pandas zu verwenden:<\/span><\/p>\n Das folgende Beispiel zeigt, wie diese Syntax in der Praxis verwendet wird.<\/span><\/p>\n Angenommen, wir haben den folgenden Pandas-DataFrame, der Informationen \u00fcber Basketballspieler aus zwei verschiedenen Teams enth\u00e4lt:<\/span><\/p>\n Wir k\u00f6nnen die Funktion \u201ebeschreiben()\u201c<\/strong> mit der Funktion \u201egroupby()\u201c<\/strong> verwenden, um die Werte in der Punktespalte<\/strong> f\u00fcr jedes Team<\/strong> zusammenzufassen:<\/span><\/p>\n Aus dem Ergebnis k\u00f6nnen wir f\u00fcr jedes Team folgende Werte f\u00fcr die Punktevariable<\/strong> erkennen:<\/span><\/p>\n Wenn Sie m\u00f6chten, dass die Ergebnisse im DataFrame-Format angezeigt werden, k\u00f6nnen Sie das Argument reset_index()<\/strong> verwenden:<\/span><\/p>\n Die Teamvariable<\/strong> ist jetzt eine Spalte im DataFrame und die Indexwerte sind 0 und 1.<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie andere g\u00e4ngige Vorg\u00e4nge in Pandas ausgef\u00fchrt werden:<\/span><\/p>\n Pandas: So berechnen Sie die kumulative Summe pro Gruppe<\/a> Sie k\u00f6nnen die Funktion \u201ebeschreiben()\u201c verwenden, um beschreibende Statistiken f\u00fcr Variablen in einem Pandas-DataFrame zu generieren. Sie k\u00f6nnen die folgende grundlegende Syntax verwenden, um die Funktion \u201ebeschreiben()\u201c mit der Funktion \u201egroupby()\u201c in Pandas zu verwenden: df. groupby (‚ group_var ‚)[‚ values_var ‚]. describe () Das folgende Beispiel zeigt, wie diese Syntax in der Praxis verwendet […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n df. groupby<\/span> (' group_var<\/span> ')[' values_var<\/span> ']. describe<\/span> ()\n<\/strong><\/span><\/pre>\n Beispiel: Verwenden Sie beschreiben() von Group in Pandas<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],\n ' points<\/span> ': [8, 12, 14, 14, 15, 22, 27, 24],\n ' assists<\/span> ':[2, 2, 3, 5, 7, 6, 8, 12]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points assists\n0 to 8 2\n1 to 12 2\n2 to 14 3\n3 to 14 5\n4 B 15 7\n5 B 22 6\n6 B 27 8\n7 B 24 12<\/strong><\/span><\/pre>\n #summarize points by team\ndf. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. describe<\/span> ()\n<\/span>\n<\/span>count mean std min 25% 50% 75% max\nteam\t\t\t\t\t\t\t\t\nA 4.0 12.0 2.828427 8.0 11.00 13.0 14.00 14.0\nB 4.0 22.0 5.099020 15.0 20.25 23.0 24.75 27.0<\/strong><\/pre>\n\n
#summarize points by team\ndf. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. describe<\/span> (). reset_index<\/span> ()<\/span><\/span><\/strong>\n\n team count mean std min 25% 50% 75% max\n0 A 4.0 12.0 2.828427 8.0 11.00 13.0 14.00 14.0\n1 B 4.0 22.0 5.099020 15.0 20.25 23.0 24.75 27.0\n<\/strong><\/span><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
Pandas: So z\u00e4hlen Sie eindeutige Werte nach Gruppen<\/a>
Pandas: So berechnen Sie die Korrelation nach Gruppen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"