{"id":3199,"date":"2023-07-18T17:44:30","date_gmt":"2023-07-18T17:44:30","guid":{"rendered":"https:\/\/statorials.org\/id\/transformasi-grup-panda\/"},"modified":"2023-07-18T17:44:30","modified_gmt":"2023-07-18T17:44:30","slug":"transformasi-grup-panda","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/transformasi-grup-panda\/","title":{"rendered":"Cara menggunakan fungsi groupby() dan transform() di pandas"},"content":{"rendered":"

<\/p>\n

\n

Anda dapat menggunakan metode berikut untuk menggunakan fungsi groupby()<\/strong> dan transform()<\/strong> bersama-sama dalam pandas DataFrame:<\/span><\/p>\n

Metode 1: Gunakan groupby() dan transform() dengan fungsi bawaan<\/strong><\/span><\/p>\n

 df[' new<\/span> '] = df. groupby<\/span> (' group_var<\/span> ')[' value_var<\/span> ']. transform<\/span> (' mean<\/span> ')\n<\/strong><\/pre>\n
 Metode 2: Gunakan groupby() dan transform() dengan fungsi khusus<\/strong><\/span><\/p>\n
 df[' new<\/span> '] = df. groupby<\/span> (' group_var<\/span> ')[' value_var<\/span> ']. transform<\/span> ( lambda<\/span> x: some function)<\/strong><\/pre>\n
 Contoh berikut menunjukkan cara menggunakan setiap metode dalam praktik dengan pandas DataFrame berikut:<\/span><\/p>\n
 import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],\n                   ' points<\/span> ': [30, 22, 19, 14, 14, 11, 20, 28]})\n\n#view DataFrame\nprint<\/span><\/span> (df)\n\n  team points\n0 to 30\n1 to 22\n2 to 19\n3 to 14\n4 B 14\n5 B 11\n6 B 20\n7 B 28\n<\/b><\/pre>\n
 Contoh 1: Gunakan groupby() dan transform() dengan fungsi bawaan<\/strong><\/span><\/h3>\n
 Kode berikut menunjukkan cara menggunakan fungsi groupby(<\/strong> ) dan transform()<\/strong> untuk menambahkan kolom baru ke DataFrame yang disebut mean_points:<\/span><\/p>\n
 #create new column called mean_points\ndf[' mean_points<\/span> '] = df. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. transform<\/span> (' mean<\/span> ')\n<\/span>\n#view updated DataFrame\nprint<\/span> (df)\n\n  team points mean_points\n0 to 30 21.25\n1 to 22 21.25\n2 A 19 21.25\n3 to 14 21.25\n4 B 14 18.25\n5 B 11 18.25\n6 B 20 18.25\n7 B 28 18.25<\/span><\/span><\/strong><\/pre>\n
 Nilai rata-rata poin untuk pemain di Tim A adalah 21,25<\/strong> dan nilai rata-rata poin untuk pemain di Tim B adalah 18,25<\/strong> , jadi nilai-nilai ini diberikan sesuai dengan masing-masing pemain di kolom baru.<\/span><\/p>\n
 Perhatikan bahwa kita juga bisa menggunakan fungsi bawaan lain seperti sum()<\/strong> untuk membuat kolom baru yang menampilkan jumlah poin yang dicetak untuk setiap tim:<\/span><\/p>\n
 #create new column called sum_points\ndf[' sum_points<\/span> '] = df. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. transform<\/span> (' sum<\/span> ')\n<\/span>\n#view updated DataFrame\nprint<\/span> (df)\n\n  team points sum_points\n0 to 30 85\n1 to 22 85\n2 A 19 85\n3 to 14 85\n4 B 14 73\n5 B 11 73\n6 B 20 73\n7 B 28 73<\/span><\/span><\/strong><\/pre>\n
 Jumlah poin pemain tim A adalah 85<\/b> dan jumlah poin pemain tim B adalah 73<\/strong> , sehingga nilai-nilai ini diberikan kepada masing-masing pemain di kolom baru.<\/span><\/p>\n
 Contoh 2: Gunakan groupby() dan transform() dengan fungsi khusus<\/strong><\/span><\/h3>\n
 Kode berikut menunjukkan cara menggunakan fungsi groupby(<\/strong> ) dan transform()<\/strong> untuk membuat fungsi khusus yang menghitung persentase total poin yang dicetak oleh setiap pemain di tim masing-masing:<\/span><\/p>\n
 #create new column called percent_of_points\ndf[' percent_of_points<\/span> '] = df. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. transform<\/span> ( lambda<\/span> x:x\/ x.sum<\/span> ())\n<\/span>\n#view updated DataFrame\nprint<\/span> (df)\n\n  team points percent_of_points\n0 A 30 0.352941\n1 A 22 0.258824\n2 A 19 0.223529\n3 A 14 0.164706\n4 B 14 0.191781\n5 B 11 0.150685\n6 B 20 0.273973\n7 B 28 0.383562\n<\/span><\/span><\/strong><\/pre>\n
 Berikut cara menafsirkan hasilnya:<\/span><\/span><\/p>\n