<\/p>\n
Anda dapat menggunakan sintaks dasar berikut untuk menghitung rata-rata pergerakan grup untuk panda:<\/span><\/p>\n Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya.<\/span><\/p>\n Misalkan kita memiliki panda DataFrame berikut yang menunjukkan total penjualan yang dilakukan oleh dua toko selama lima periode penjualan:<\/span><\/p>\n Kita dapat menggunakan kode berikut untuk menghitung rata-rata penjualan bergulir 3 hari untuk setiap toko:<\/span><\/p>\n Catatan<\/strong> : x.rolling(3, 1) berarti menghitung rata-rata bergulir selama 3<\/strong> periode dan membutuhkan 1<\/strong> sebagai jumlah minimum periode.<\/span><\/p>\n Kolom \u201csaya\u201d menampilkan rata-rata penjualan bergerak selama 3 hari untuk setiap toko.<\/span><\/p>\n Untuk menghitung rata-rata pergerakan yang berbeda, cukup ubah nilainya di fungsi Rolling()<\/strong> .<\/span><\/p>\n Misalnya, kita dapat menghitung rata-rata pergerakan penjualan 2 hari untuk setiap toko:<\/span><\/p>\n Tutorial berikut menjelaskan cara melakukan operasi umum lainnya di panda:<\/span><\/p>\n Cara melakukan penjumlahan GroupBy di Pandas<\/a> Anda dapat menggunakan sintaks dasar berikut untuk menghitung rata-rata pergerakan grup untuk panda: #calculate 3-period moving average of ‘values’ by ‘group’ df. groupby (‘ group ‘)[‘ values ‘]. transform ( lambda x: x.rolling (3,1) .mean ()) Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya. Contoh: menghitung rata-rata pergerakan berdasarkan kelompok di Pandas Misalkan kita […]<\/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":"\n #calculate 3-period moving average of 'values' by 'group'<\/span>\ndf. groupby<\/span> (' group<\/span> ')[' values<\/span> ']. transform<\/span> ( lambda<\/span> x: x.rolling<\/span> (3,1) .mean<\/span> ())\n<\/strong><\/pre>\n Contoh: menghitung rata-rata pergerakan berdasarkan kelompok di Pandas<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\ndf = pd. DataFrame<\/span> ({' store<\/span> ': ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'],\n ' period<\/span> ': [1, 2, 3, 4, 5, 1, 2, 3, 4, 5],\n ' sales<\/span> ': [7, 7, 9, 13, 14, 13, 13, 19, 20, 26]})\n\n#view DataFrame\n<\/span>df\n\n\tstore period sales\n0 to 1 7\n1 to 2 7\n2 to 3 9\n3 to 4 13\n4 to 5 14\n5 B 1 13\n6 B 2 13\n7 B 3 19\n8 B 4 20\n9 B 5 26\n<\/span><\/span><\/strong><\/pre>\n #calculate 3-day moving average of sales by store<\/span>\ndf[' ma<\/span> '] = df. groupby<\/span> (' store<\/span> ')[' sales<\/span> ']. transform<\/span> ( lambda<\/span> x: x.rolling<\/span> (3,1) .mean<\/span> ())\n\n#view updated DataFrame\n<\/span>df\n\n store period sales ma\n0 A 1 7 7.000000\n1 to 2 7 7.000000\n2 A 3 9 7.666667\n3 A 4 13 9.666667\n4 A 5 14 12.000000\n5 B 1 13 13.000000\n6 B 2 13 13.000000\n7 B 3 19 15.000000\n8 B 4 20 17.333333\n9 B 5 26 21.666667\n<\/span><\/span><\/strong><\/pre>\n #calculate 2-day moving average of sales by store\n<\/span>df[' ma<\/span> '] = df. groupby<\/span> (' store<\/span> ')[' sales<\/span> ']. transform<\/span> ( lambda<\/span> x: x.rolling<\/span> (2,1) .mean<\/span> ())\n\n#view updated DataFrame\n<\/span>df\n\n store period sales ma\n0 to 1 7 7.0\n1 to 2 7 7.0\n2 to 3 9 8.0\n3 A 4 13 11.0\n4 to 5 14 13.5\n5 B 1 13 13.0\n6 B 2 13 13.0\n7 B 3 19 16.0\n8 B 4 20 19.5\n9 B 5 26 23.0\n<\/span><\/span><\/strong><\/pre>\n Sumber daya tambahan<\/strong><\/span><\/h3>\n
Cara menghitung nilai unik menggunakan GroupBy di Pandas<\/a>
Cara menggunakan Groupby dan Plot di Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"