Pandas: cara menggunakan groupby dengan banyak agregasi

Anda dapat menggunakan sintaks dasar berikut untuk menggunakan groupby dengan beberapa agregasi di panda:

 df. groupby (' team '). agg (
    mean_points=(' points ', np. mean ),
    sum_points=(' points ', np. sum ),
    std_points=(' points ', np. std ))

Rumus khusus ini mengelompokkan baris DataFrame berdasarkan variabel yang disebut team dan kemudian menghitung beberapa ringkasan statistik untuk variabel yang disebut points .

Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya.

Contoh: Menggunakan Groupby dengan Banyak Agregasi di Pandas

Misalkan kita memiliki pandas DataFrame berikut yang berisi informasi tentang berbagai pemain bola basket:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['Mavs', 'Mavs', 'Mavs', 'Heat', 'Heat', 'Heat'],
                   ' points ': [18, 22, 19, 14, 14, 11],
                   ' assists ': [5, 7, 7, 9, 12, 9]})

#view DataFrame
print (df)

   team points assists
0 Mavs 18 5
1 Mavs 22 7
2 Mavs 19 7
3 Heat 14 9
4 Heat 14 12
5 Heat 11 9

Kita dapat menggunakan sintaks berikut untuk mengelompokkan baris DataFrame berdasarkan team , lalu menghitung rata-rata, jumlah, dan deviasi standar poin untuk setiap tim:

 import numpy as np

#group by team and calculate mean, sum, and standard deviation of points
df. groupby (' team '). agg (
    mean_points=(' points ', np. mean ),
    sum_points=(' points ', np. sum ),
    std_points=(' points ', np. std ))

      mean_points sum_points std_points
team			
Heat 13.000000 39 1.732051
Mavs 19.666667 59 2.081666

Hasilnya menampilkan mean, jumlah, dan deviasi standar variabel poin untuk setiap tim .

Anda dapat menggunakan sintaks serupa untuk melakukan pengelompokan dan menghitung agregasi sebanyak yang Anda inginkan.

Sumber daya tambahan

Tutorial berikut menjelaskan cara melakukan tugas panda umum lainnya:

Cara menghitung nilai unik menggunakan Pandas GroupBy
Cara menerapkan fungsi ke Pandas Groupby
Cara Membuat Plot Batang dari Pandas GroupBy