{"id":4314,"date":"2023-07-12T01:56:40","date_gmt":"2023-07-12T01:56:40","guid":{"rendered":"https:\/\/statorials.org\/de\/pandas-gruppieren-nach-verbreitungsgebiet\/"},"modified":"2023-07-12T01:56:40","modified_gmt":"2023-07-12T01:56:40","slug":"pandas-gruppieren-nach-verbreitungsgebiet","status":"publish","type":"post","link":"https:\/\/statorials.org\/de\/pandas-gruppieren-nach-verbreitungsgebiet\/","title":{"rendered":"Pandas: so gruppieren sie nach wertebereichen"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\"><span style=\"color: #000000;\">Sie k\u00f6nnen die folgende Syntax verwenden, um die Funktion <strong>groupby()<\/strong> in Pandas zu verwenden, um eine Spalte nach Wertebereich zu gruppieren, bevor Sie die Aggregation durchf\u00fchren:<\/span><\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong>df. <span style=\"color: #3366ff;\">groupby<\/span> (pd. <span style=\"color: #3366ff;\">cut<\/span> (df[' <span style=\"color: #ff0000;\">my_column<\/span> '], [0, 25, 50, 75, 100])). <span style=\"color: #3366ff;\">sum<\/span> ()\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">In diesem speziellen Beispiel werden die Zeilen des DataFrame nach dem folgenden Wertebereich in der Spalte namens <strong>my_column<\/strong> gruppiert:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">(0,25]<\/span><\/li>\n<li> <span style=\"color: #000000;\">(25, 50]<\/span><\/li>\n<li> <span style=\"color: #000000;\">(50, 75]<\/span><\/li>\n<li> <span style=\"color: #000000;\">(75, 100]<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Anschlie\u00dfend wird die Summe der Werte in allen Spalten des DataFrame berechnet, wobei diese Wertebereiche als Gruppen verwendet werden.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Das folgende Beispiel zeigt, wie diese Syntax in der Praxis verwendet wird.<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Beispiel: So gruppieren Sie in Pandas nach Wertebereichen<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Nehmen wir an, wir haben den folgenden Pandas-DataFrame, der Informationen \u00fcber die Gr\u00f6\u00dfe verschiedener Einzelhandelsgesch\u00e4fte und ihren Gesamtumsatz enth\u00e4lt:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\"><span style=\"color: #000000;\"><span style=\"color: #008000;\">import<\/span> pandas <span style=\"color: #008000;\">as<\/span> pd\n\n<span style=\"color: #008080;\">#createDataFrame\n<\/span>df = pd. <span style=\"color: #3366ff;\">DataFrame<\/span> ({' <span style=\"color: #ff0000;\">store_size<\/span> ': [14, 25, 26, 29, 45, 58, 67, 81, 90, 98],\n                   ' <span style=\"color: #ff0000;\">sales<\/span> ': [15, 18, 24, 25, 20, 35, 34, 49, 44, 49]})\n\n<span style=\"color: #008080;\">#view DataFrame\n<\/span><span style=\"color: #008000;\">print<\/span> (df)\n\n   store_size sales\n0 14 15\n1 25 18\n2 26 24\n3 29 25\n4 45 20\n5 58 35\n6 67 34\n7 81 49\n8 90 44\n9 98 49\n<\/span><\/span><\/strong><\/pre>\n<p> <span style=\"color: #000000;\"><span style=\"color: #000000;\">Wir k\u00f6nnen die folgende Syntax verwenden, um den DataFrame basierend auf bestimmten Bereichen der Spalte <strong>\u201estore_size\u201c<\/strong> zu gruppieren und dann die Summe aller anderen Spalten im DataFrame zu berechnen, indem wir die Bereiche als Gruppen verwenden:<\/span><\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\"><span style=\"color: #000000;\"><span style=\"color: #008080;\">#group by ranges of store_size and calculate sum of all columns\n<\/span>df. <span style=\"color: #3366ff;\">groupby<\/span> (pd. <span style=\"color: #3366ff;\">cut<\/span> (df[' <span style=\"color: #ff0000;\">store_size<\/span> '], [0, 25, 50, 75, 100])). <span style=\"color: #3366ff;\">sum<\/span> ()\n\n\t store_size sales\nstore_size\t\t\n(0.25] 39 33\n(25, 50] 100 69\n(50, 75] 125 69\n(75, 100] 269 142\n<\/span><\/span><\/strong><\/pre>\n<p> <span style=\"color: #000000;\"><span style=\"color: #000000;\">Aus dem Ergebnis k\u00f6nnen wir sehen:<\/span><\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">F\u00fcr Zeilen mit einem Wert f\u00fcr \u201estore_size\u201c zwischen 0 und 25 betr\u00e4gt die Summe von \u201estore_size\u201c <strong>39<\/strong> und die Summe der Verk\u00e4ufe <strong>33<\/strong> .<\/span><\/li>\n<li> <span style=\"color: #000000;\">F\u00fcr Zeilen mit einem Wert f\u00fcr \u201estore_size\u201c zwischen 25 und 50 betr\u00e4gt die Summe von \u201estore_size\u201c <strong>100<\/strong> und die Summe der Verk\u00e4ufe <strong>69<\/strong> .<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Und so weiter.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><span style=\"color: #000000;\">Wenn Sie m\u00f6chten, k\u00f6nnen Sie auch nur die Summe der <strong>Verk\u00e4ufe<\/strong> f\u00fcr jeden <strong>Store_Size-<\/strong> Bereich berechnen:<\/span><\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\"><span style=\"color: #000000;\"><span style=\"color: #008080;\">#group by ranges of store_size and calculate sum of sales\n<\/span>df. <span style=\"color: #3366ff;\">groupby<\/span> (pd. <span style=\"color: #3366ff;\">cut<\/span> (df[' <span style=\"color: #ff0000;\">store_size<\/span> '], [0, 25, 50, 75, 100]))[' <span style=\"color: #ff0000;\">sales<\/span> ']. <span style=\"color: #3366ff;\">sum<\/span> ()\n\nstore_size\n(0.25] 33\n(25, 50] 69\n(50, 75] 69\n(75, 100] 142\nName: sales, dtype: int64<\/span><\/span><\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Sie k\u00f6nnen auch die NumPy-Funktion <strong>arange()<\/strong> verwenden, um eine Variable in Bereiche aufzuteilen, ohne jeden Schnittpunkt manuell anzugeben:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\"><span style=\"color: #000000;\"><span style=\"color: #008000;\">import<\/span> numpy <span style=\"color: #008000;\">as<\/span> np<\/span>\n\n#group by ranges of store_size and calculate sum of sales\n<\/span>df. <span style=\"color: #3366ff;\">groupby<\/span> (pd. <span style=\"color: #3366ff;\">cut<\/span> (df[' <span style=\"color: #ff0000;\">store_size<\/span> '], np. <span style=\"color: #3366ff;\">arange<\/span> (0, 101, 25)))[' <span style=\"color: #ff0000;\">sales<\/span> ']. <span style=\"color: #3366ff;\">sum<\/span> ()\n\nstore_size\n(0.25] 33\n(25, 50] 69\n(50, 75] 69\n(75, 100] 142\nName: sales, dtype: int64<\/strong><\/pre>\n<p> <span style=\"color: #000000;\"><span style=\"color: #000000;\">Beachten Sie, dass diese Ergebnisse mit dem vorherigen Beispiel \u00fcbereinstimmen.<\/span><\/span><\/p>\n<p> <span style=\"color: #000000;\"><span style=\"color: #000000;\"><strong>Hinweis<\/strong> : Die vollst\u00e4ndige Dokumentation f\u00fcr die NumPy-Funktion <strong>arange()<\/strong> finden Sie <a href=\"https:\/\/numpy.org\/doc\/stable\/reference\/generated\/numpy.arange.html\" target=\"_blank\" rel=\"noopener\">hier<\/a> .<\/span><\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">In den folgenden Tutorials wird erl\u00e4utert, wie Sie andere h\u00e4ufige Aufgaben in Pandas ausf\u00fchren:<\/span><\/p>\n<p> <a href=\"https:\/\/statorials.org\/de\/pandas-groupby-count-unique\/\" target=\"_blank\" rel=\"noopener\">Pandas: So z\u00e4hlen Sie eindeutige Werte mithilfe von Groupby<\/a><br \/><a href=\"https:\/\/statorials.org\/de\/pandas-groupby-bedeuten-und-std\/\" target=\"_blank\" rel=\"noopener\">Pandas: So berechnen Sie den Mittelwert und die Norm einer Spalte in Groupby<\/a><br \/> <a href=\"https:\/\/statorials.org\/de\/pandas-groupby-as_index\/\" target=\"_blank\" rel=\"noopener\">Pandas: So verwenden Sie as_index in Groupby<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Sie k\u00f6nnen die folgende Syntax verwenden, um die Funktion groupby() in Pandas zu verwenden, um eine Spalte nach Wertebereich zu gruppieren, bevor Sie die Aggregation durchf\u00fchren: df. groupby (pd. cut (df[&#8218; my_column &#8218;], [0, 25, 50, 75, 100])). sum () In diesem speziellen Beispiel werden die Zeilen des DataFrame nach dem folgenden Wertebereich in der [&hellip;]<\/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":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Pandas: So gruppieren Sie nach Wertebereichen \u2013 Statorials<\/title>\n<meta name=\"description\" content=\"In diesem Tutorial wird erl\u00e4utert, wie Sie die Funktion \u201egroupby()\u201c in Pandas mit einem Wertebereich verwenden, einschlie\u00dflich eines Beispiels.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/de\/pandas-gruppieren-nach-verbreitungsgebiet\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Pandas: So gruppieren Sie nach Wertebereichen \u2013 Statorials\" \/>\n<meta property=\"og:description\" content=\"In diesem Tutorial wird erl\u00e4utert, wie Sie die Funktion \u201egroupby()\u201c in Pandas mit einem Wertebereich verwenden, einschlie\u00dflich eines Beispiels.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/de\/pandas-gruppieren-nach-verbreitungsgebiet\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-12T01:56:40+00:00\" \/>\n<meta name=\"author\" content=\"Dr. Benjamin Anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Dr. Benjamin Anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"2 Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/de\/pandas-gruppieren-nach-verbreitungsgebiet\/\",\"url\":\"https:\/\/statorials.org\/de\/pandas-gruppieren-nach-verbreitungsgebiet\/\",\"name\":\"Pandas: So gruppieren Sie nach Wertebereichen \u2013 Statorials\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/de\/#website\"},\"datePublished\":\"2023-07-12T01:56:40+00:00\",\"dateModified\":\"2023-07-12T01:56:40+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0\"},\"description\":\"In diesem Tutorial wird erl\u00e4utert, wie Sie die Funktion \u201egroupby()\u201c in Pandas mit einem Wertebereich verwenden, einschlie\u00dflich eines Beispiels.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/de\/pandas-gruppieren-nach-verbreitungsgebiet\/#breadcrumb\"},\"inLanguage\":\"de-DE\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/de\/pandas-gruppieren-nach-verbreitungsgebiet\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/de\/pandas-gruppieren-nach-verbreitungsgebiet\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Heim\",\"item\":\"https:\/\/statorials.org\/de\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Pandas: so gruppieren sie nach wertebereichen\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/de\/#website\",\"url\":\"https:\/\/statorials.org\/de\/\",\"name\":\"Statorials\",\"description\":\"Ihr Leitfaden f\u00fcr statistische Kompetenz !\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/de\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de-DE\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0\",\"name\":\"Dr. Benjamin Anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de-DE\",\"@id\":\"https:\/\/statorials.org\/de\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg\",\"caption\":\"Dr. Benjamin Anderson\"},\"description\":\"Hallo, ich bin Benjamin, ein pensionierter Statistikprofessor, der sich zum engagierten Statorials-Lehrer entwickelt hat. Mit umfassender Erfahrung und Fachwissen auf dem Gebiet der Statistik bin ich bestrebt, mein Wissen zu teilen, um Studenten durch Statorials zu bef\u00e4higen. Mehr wissen\",\"sameAs\":[\"https:\/\/statorials.org\/de\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Pandas: So gruppieren Sie nach Wertebereichen \u2013 Statorials","description":"In diesem Tutorial wird erl\u00e4utert, wie Sie die Funktion \u201egroupby()\u201c in Pandas mit einem Wertebereich verwenden, einschlie\u00dflich eines Beispiels.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/de\/pandas-gruppieren-nach-verbreitungsgebiet\/","og_locale":"de_DE","og_type":"article","og_title":"Pandas: So gruppieren Sie nach Wertebereichen \u2013 Statorials","og_description":"In diesem Tutorial wird erl\u00e4utert, wie Sie die Funktion \u201egroupby()\u201c in Pandas mit einem Wertebereich verwenden, einschlie\u00dflich eines Beispiels.","og_url":"https:\/\/statorials.org\/de\/pandas-gruppieren-nach-verbreitungsgebiet\/","og_site_name":"Statorials","article_published_time":"2023-07-12T01:56:40+00:00","author":"Dr. Benjamin Anderson","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"Dr. Benjamin Anderson","Gesch\u00e4tzte Lesezeit":"2 Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/de\/pandas-gruppieren-nach-verbreitungsgebiet\/","url":"https:\/\/statorials.org\/de\/pandas-gruppieren-nach-verbreitungsgebiet\/","name":"Pandas: So gruppieren Sie nach Wertebereichen \u2013 Statorials","isPartOf":{"@id":"https:\/\/statorials.org\/de\/#website"},"datePublished":"2023-07-12T01:56:40+00:00","dateModified":"2023-07-12T01:56:40+00:00","author":{"@id":"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0"},"description":"In diesem Tutorial wird erl\u00e4utert, wie Sie die Funktion \u201egroupby()\u201c in Pandas mit einem Wertebereich verwenden, einschlie\u00dflich eines Beispiels.","breadcrumb":{"@id":"https:\/\/statorials.org\/de\/pandas-gruppieren-nach-verbreitungsgebiet\/#breadcrumb"},"inLanguage":"de-DE","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/de\/pandas-gruppieren-nach-verbreitungsgebiet\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/de\/pandas-gruppieren-nach-verbreitungsgebiet\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Heim","item":"https:\/\/statorials.org\/de\/"},{"@type":"ListItem","position":2,"name":"Pandas: so gruppieren sie nach wertebereichen"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/de\/#website","url":"https:\/\/statorials.org\/de\/","name":"Statorials","description":"Ihr Leitfaden f\u00fcr statistische Kompetenz !","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/de\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de-DE"},{"@type":"Person","@id":"https:\/\/statorials.org\/de\/#\/schema\/person\/ec75c4d6365f2708f8a0ad3a42121aa0","name":"Dr. Benjamin Anderson","image":{"@type":"ImageObject","inLanguage":"de-DE","@id":"https:\/\/statorials.org\/de\/#\/schema\/person\/image\/","url":"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg","contentUrl":"https:\/\/statorials.org\/de\/wp-content\/uploads\/2023\/11\/Benjamin-Anderson-96x96.jpg","caption":"Dr. Benjamin Anderson"},"description":"Hallo, ich bin Benjamin, ein pensionierter Statistikprofessor, der sich zum engagierten Statorials-Lehrer entwickelt hat. Mit umfassender Erfahrung und Fachwissen auf dem Gebiet der Statistik bin ich bestrebt, mein Wissen zu teilen, um Studenten durch Statorials zu bef\u00e4higen. Mehr wissen","sameAs":["https:\/\/statorials.org\/de"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/posts\/4314"}],"collection":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/comments?post=4314"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/posts\/4314\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/media?parent=4314"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/categories?post=4314"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/de\/wp-json\/wp\/v2\/tags?post=4314"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}