<\/p>\n
Anda dapat menggunakan sintaks dasar berikut untuk menambahkan kolom “hitungan” ke DataFrame pandas:<\/span><\/p>\n Sintaks khusus ini menambahkan kolom bernama var1_count<\/strong> ke DataFrame yang berisi jumlah nilai dalam kolom bernama var1<\/strong> .<\/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 Kita dapat menggunakan kode berikut untuk menambahkan kolom bernama team_count<\/strong> yang berisi jumlah setiap tim:<\/span><\/span><\/p>\n Terdapat 3<\/strong> baris dengan nilai tim A dan 5<\/strong> baris dengan nilai tim B.<\/span><\/p>\n Jadi:<\/span><\/p>\n Anda juga dapat menambahkan kolom \u201cakun\u201d yang mengelompokkan beberapa variabel.<\/span><\/p>\n Misalnya, kode berikut menunjukkan cara menambahkan kolom \u201chitungan\u201d yang mengelompokkan variabel tim<\/strong> dan pos<\/strong> :<\/span><\/p>\n Dari hasilnya kita dapat melihat:<\/span><\/p>\n Tutorial berikut menjelaskan cara melakukan tugas umum lainnya di panda:<\/span><\/p>\n Pandas: Cara menggunakan GroupBy dan penghitungan nilai<\/a> Anda dapat menggunakan sintaks dasar berikut untuk menambahkan kolom “hitungan” ke DataFrame pandas: df[‘ var1_count ‘] = df. groupby (‘ var1 ‘)[‘ var1 ‘]. transform (‘ count ‘) Sintaks khusus ini menambahkan kolom bernama var1_count ke DataFrame yang berisi jumlah nilai dalam kolom bernama var1 . Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya. […]<\/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[' var1_count<\/span> '] = df. groupby<\/span> (' var1<\/span> ')[' var1<\/span> ']. transform<\/span> (' count<\/span> ')\n<\/strong><\/pre>\n Contoh: Tambahkan kolom angka di Pandas<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'B', '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 B Fo 14\n4 B Gu 14\n5 B Gu 11\n6 B Fo 20\n7 B Fo 28<\/strong><\/pre>\n #add column that shows total count of each team\ndf[' team_count<\/span> '] = df. groupby<\/span> (' team<\/span> ')[' team<\/span> ']. transform<\/span> (' count<\/span> ')\n\n#view updated DataFrame\n<\/span>print<\/span> (df)\n\n team pos points team_count\n0 A Gu 18 3\n1 A Fo 22 3\n2 A Fo 19 3\n3 B Fo 14 5\n4 B Gu 14 5\n5 B Gu 11 5\n6 B Fo 20 5\n7 B Fo 28 5<\/span><\/span><\/strong><\/pre>\n\n
#add column that shows total count of each team and position\ndf[' team_pos_count<\/span> '] = df. groupby<\/span> ([' team<\/span> ', ' pos<\/span> ')[' team<\/span> ']. transform<\/span> (' count<\/span> ')\n\n#view updated DataFrame\n<\/span>print<\/span> (df)\n\n team pos points team_pos_count\n0 A Gu 18 1\n1 A Fo 22 2\n2 A Fo 19 2\n3 B Fo 14 3\n4 B Gu 14 2\n5 B Gu 11 2\n6 B Fo 20 3\n7 B Fo 28 3\n<\/span><\/span><\/strong><\/pre>\n\n
Sumber daya tambahan<\/strong><\/span><\/h3>\n
Pandas: Cara menggunakan GroupBy dengan jumlah bin<\/a>
Pandas : Cara menghitung nilai pada kolom dengan syarat<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"