<\/p>\n
Anda dapat menggunakan sintaks dasar berikut untuk melakukan pengelompokan dan penghitungan dengan kondisi di pandas DataFrame:<\/span><\/p>\n Sintaks khusus ini mengelompokkan baris DataFrame berdasarkan var1<\/strong> dan kemudian menghitung jumlah baris di mana var2<\/strong> sama dengan “val”.<\/span><\/p>\n Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya.<\/span><\/p>\n Misalkan kita memiliki pandas DataFrame berikut yang berisi informasi tentang berbagai pemain bola basket:<\/span><\/p>\n Kode berikut menunjukkan cara mengelompokkan DataFrame berdasarkan variabel tim<\/strong> dan menghitung jumlah baris di mana variabel pos<\/strong> sama dengan \u201cGu\u201d:<\/span><\/p>\n Dari hasilnya kita dapat melihat:<\/span><\/p>\n Kita dapat menggunakan sintaks serupa untuk melakukan pengelompokan dan penghitungan dengan kondisi numerik.<\/span><\/p>\n Misalnya, kode berikut menunjukkan cara mengelompokkan berdasarkan variabel tim<\/strong> dan menghitung jumlah baris yang variabel poinnya<\/b> lebih besar dari 15:<\/span><\/p>\n Dari hasilnya kita dapat melihat:<\/span><\/p>\n Anda dapat menggunakan sintaks serupa untuk melakukan pengelompokan dan penghitungan dengan kondisi spesifik apa pun yang Anda inginkan.<\/span><\/p>\n Tutorial berikut menjelaskan cara melakukan tugas umum lainnya di panda:<\/span><\/p>\n Cara menghitung nilai unik menggunakan Pandas GroupBy<\/a> Anda dapat menggunakan sintaks dasar berikut untuk melakukan pengelompokan dan penghitungan dengan kondisi di pandas DataFrame: df. groupby (‘ var1 ‘)[‘ var2 ‘]. apply ( lambda x:(x==’ val ‘). sum ()). reset_index (name=’ count ‘) Sintaks khusus ini mengelompokkan baris DataFrame berdasarkan var1 dan kemudian menghitung jumlah baris di mana var2 sama dengan “val”. Contoh […]<\/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 df. groupby<\/span> (' var1<\/span> ')[' var2<\/span> ']. apply<\/span> ( lambda<\/span> x:(x==' val<\/span> '). sum<\/span> ()). reset_index<\/span> (name=' count<\/span> ')\n<\/strong><\/pre>\n Contoh: Groupby dan Count dengan Kondisi di Pandas<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],\n ' pos<\/span> ': ['Gu', 'Fo', 'Fo', 'Fo', 'Gu', 'Gu', 'Fo', 'Fo'],\n ' points<\/span> ': [18, 22, 19, 14, 14, 11, 20, 28]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team pos points\n0 A Gu 18\n1 A Fo 22\n2 A Fo 19\n3 A Fo 14\n4 B Gu 14\n5 B Gu 11\n6 B Fo 20\n7 B Fo 28<\/strong><\/pre>\n #groupby team and count number of 'pos' equal to 'Gu'\n<\/span>df_count = df. groupby<\/span> (' team<\/span> ')[' pos<\/span> ']. apply<\/span> ( lambda<\/span> x: (x==' Gu<\/span> '). sum<\/span> ()). reset_index<\/span> (name=' count<\/span> ')\n\n#view results\n<\/span>print<\/span> (df_count)\n\n team count\n0 to 1\n1 B 2\n<\/strong><\/pre>\n\n
#groupby team and count number of 'points' greater than 15\n<\/span>df_count = df. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. apply<\/span> ( lambda<\/span> x: (x>15). sum<\/span> ()). reset_index<\/span> (name=' count<\/span> ')\n\n#view results\n<\/span>print<\/span> (df_count)\n\n team count\n0 to 3\n1 B 2<\/strong><\/pre>\n\n
Sumber daya tambahan<\/strong><\/span><\/h3>\n
Cara menerapkan fungsi ke Pandas Groupby<\/a>
Cara Membuat Plot Batang dari Pandas GroupBy<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"