Cara menerapkan fungsi ke pandas groupby

Anda dapat menggunakan sintaks dasar berikut untuk menggunakan fungsi groupby() dan apply() bersama-sama dalam pandas DataFrame:

 df. groupby (' var1 '). apply ( lambda x: some function)

Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya dengan pandas DataFrame berikut:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'A', 'A', 'B', 'B', 'B', 'B'],
                   ' points_for ': [18, 22, 19, 14, 11, 20, 28],
                   ' points_against ': [14, 21, 19, 14, 12, 20, 21]})

#view DataFrame
print (df)

  team points_for points_against
0 to 18 14
1 To 22 21
2 A 19 19
3 B 14 14
4 B 11 12
5 B 20 20
6 B 28 21

Contoh 1: Gunakan groupby() dan apply() untuk mencari frekuensi relatif

Kode berikut menunjukkan cara menggunakan fungsi groupby( ) dan apply() untuk menemukan frekuensi relatif setiap nama tim di pandas DataFrame:

 #find relative frequency of each team name in DataFrame
df. groupby (' team '). apply ( lambda x:x[' team ']. count ()/ df.shape [0])

team
A 0.428571
B 0.571429
dtype:float64

Dari hasilnya terlihat tim A tampil di 42,85% seluruh baris dan tim B muncul di 57,14% seluruh baris.

Contoh 2: Gunakan groupby() dan apply() untuk menemukan nilai maksimum

Kode berikut menunjukkan cara menggunakan fungsi groupby( ) dan apply() untuk menemukan nilai “points_for” maksimum untuk setiap tim:

 #find max "points_for" values for each team
df. groupby (' team '). apply ( lambda x:x[' points_for ']. max ())

team
At 22
B28
dtype: int64

Dari hasil tersebut terlihat bahwa poin maksimal yang dicetak oleh tim A adalah 22 dan poin maksimal yang dicetak oleh tim B adalah 28.

Contoh 3: Gunakan groupby() dan apply() untuk melakukan penghitungan khusus

Kode berikut menunjukkan cara menggunakan fungsi groupby( ) dan apply() untuk mencari perbedaan rata-rata antara “points_for” dan “points_against” untuk setiap tim:

 #find max "points_for" values for each team
df. groupby (' team '). apply ( lambda x: (x[' points_for '] - x[' points_against ']). mean ())

team
A 1.666667
B 1.500000
dtype:float64

Dari hasil tersebut terlihat bahwa rata-rata selisih “poin untuk” dan “poin lawan” adalah 1,67 untuk tim A dan 1,50 untuk tim B.

Sumber daya tambahan

Tutorial berikut menjelaskan cara melakukan operasi umum lainnya di panda:

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