Pandas: cara menggunakan as_index di groupby

Anda dapat menggunakan argumen as_index dalam operasi pandas groupby() untuk menentukan apakah Anda ingin kolom yang Anda kelompokkan digunakan sebagai indeks output atau tidak.

Argumen as_index bisa berupa True atau False .

Standarnya adalah Benar .

Contoh berikut menunjukkan cara menggunakan argumen as_index dalam praktiknya.

Contoh: Cara menggunakan as_index di pandas groupby

Misalkan kita memiliki DataFrame panda berikut yang menunjukkan jumlah poin yang dicetak oleh pemain bola basket dari tim yang berbeda:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'C', 'C', 'C'],
                   ' points ': [12, 15, 17, 17, 19, 14, 15, 20, 24, 28]})
                            
#view DataFrame
print (df)

  team points
0 to 12
1 to 15
2 to 17
3 to 17
4 to 19
5 B 14
6 B 15
7 C 20
8 C 24
9 C 28

Kita dapat menggunakan sintaks berikut untuk mengelompokkan baris berdasarkan kolom tim dan menghitung jumlah kolom poin , sambil menentukan as_index=True untuk menggunakan tim sebagai indeks keluaran:

 #group rows by team and calculate sum of points
print ( df.groupby (' team ', as_index= True ) .sum ())

points
team        
At 80
B29
C 72

Outputnya menampilkan jumlah nilai pada kolom poin , dikelompokkan berdasarkan nilai pada kolom tim .

Perhatikan bahwa kolom tim digunakan sebagai indeks keluaran.

Jika kita menentukan as_index=False maka kolom tim tidak akan digunakan sebagai indeks keluaran:

 #group rows by team and calculate sum of points
print ( df.groupby (' team ', as_index= False ) .sum ())

  team points
0 to 80
1 B 29
2 C 72

Perhatikan bahwa tim sekarang digunakan sebagai kolom dalam keluaran dan kolom indeks diberi nomor 0-2.

Catatan : Anda dapat menemukan dokumentasi lengkap operasi pandas groupby() di sini .

Sumber daya tambahan

Tutorial berikut menjelaskan cara melakukan operasi umum lainnya di panda:

Cara mendapatkan grup setelah menggunakan Pandas Groupby
Bagaimana mengonversi keluaran Pandas GroupBy ke DataFrame
Cara menerapkan fungsi ke Pandas Groupby