Pandas: cara menggunakan groupby dan penghitungan nilai

Anda dapat menggunakan sintaks dasar berikut untuk menghitung frekuensi nilai unik per grup dalam pandas DataFrame:

 df. groupby ([' column1 ', ' column2 ']). size (). unstack (fill_value= 0 )

Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya.

Contoh: Menggunakan GroupBy dan Value Counts di Pandas

Misalkan kita memiliki panda DataFrame berikut:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'],
                   ' position ':['G', 'G', 'F', 'F', 'C', 'G', 'F', 'F', 'F', 'F'],
                   ' points ': [8, 8, 10, 10, 11, 8, 9, 10, 10, 10]})

#view DataFrame
print (df)

  team position points
0 AG 8
1 GA 8
2 AF10
3 AF 10
4 AC 11
5 BG 8
6 BF 9
7 BF 10
8 BF 10
9 BF 10

Kita dapat menggunakan sintaks berikut untuk menghitung frekuensi nilai poin , yang dikelompokkan berdasarkan kolom tim dan posisi :

 #count frequency of points values, grouped by team and position
df. groupby ([' team ',' position ',' points ']). size (). unstack (fill_value= 0 )

	points 8 9 10 11
team position				
A C 0 0 0 1
        F 0 0 2 0
        G 2 0 0 0
B F 0 1 3 0
        G 1 0 0 0

Berikut cara menafsirkan hasilnya:

• Nilai 8 muncul 0 kali pada kolom poin untuk pemain tim A dan posisi C.
• Nilai 9 muncul 0 kali pada kolom poin untuk pemain tim A dan posisi C.
• Nilai 10 muncul 0 kali pada kolom poin untuk pemain tim A dan posisi C.
• Nilai 11 muncul pada kolom poin sebanyak 1 kali untuk pemain tim A dan posisi C.

Dan seterusnya.

Kita juga dapat menggunakan sintaks berikut untuk menghitung frekuensi posisi , yang dikelompokkan berdasarkan tim :

 #count frequency of positions, grouped by team
df. groupby ([' team ', ' position ']). size (). unstack (fill_value= 0 )

position C F G
team			
A 1 2 2
B 0 4 1

Berikut cara menafsirkan hasilnya:

• Nilai ‘C’ muncul 1 kali pada tim A.
• Nilai ‘F’ muncul 2 kali pada tim A.
• Nilai ‘G’ muncul 2 kali pada tim A.
• Nilai ‘C’ muncul 0 kali pada tim B.
• Nilai ‘F’ terjadi sebanyak 4 kali pada Tim B.
• Nilai ‘G’ terjadi 1 kali pada tim B.

Dan seterusnya.

Sumber daya tambahan

Tutorial berikut menjelaskan cara melakukan operasi umum lainnya di panda:

Cara melakukan penjumlahan GroupBy di Pandas
Cara menghitung nilai unik menggunakan GroupBy di Pandas
Cara menggunakan Groupby dan Plot di Pandas