<\/p>\n
Anda dapat menggunakan sintaks dasar berikut untuk menggunakan groupby dengan beberapa agregasi di panda:<\/span><\/p>\n Rumus khusus ini mengelompokkan baris DataFrame berdasarkan variabel yang disebut team<\/b> dan kemudian menghitung beberapa ringkasan statistik untuk variabel yang disebut points<\/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 sintaks berikut untuk mengelompokkan baris DataFrame berdasarkan team<\/strong> , lalu menghitung rata-rata, jumlah, dan deviasi standar poin<\/strong> untuk setiap tim:<\/span><\/p>\n Hasilnya menampilkan mean, jumlah, dan deviasi standar variabel poin<\/strong> untuk setiap tim<\/strong> .<\/span><\/p>\n Anda dapat menggunakan sintaks serupa untuk melakukan pengelompokan dan menghitung agregasi sebanyak yang Anda inginkan.<\/span><\/p>\n Tutorial berikut menjelaskan cara melakukan tugas panda umum lainnya:<\/span><\/p>\n Cara menghitung nilai unik menggunakan Pandas GroupBy<\/a> Anda dapat menggunakan sintaks dasar berikut untuk menggunakan groupby dengan beberapa agregasi di panda: df. groupby (‘ team ‘). agg ( mean_points=(‘ points ‘, np. mean ), sum_points=(‘ points ‘, np. sum ), std_points=(‘ points ‘, np. std )) Rumus khusus ini mengelompokkan baris DataFrame berdasarkan variabel yang disebut team dan kemudian menghitung beberapa ringkasan […]<\/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> (' team<\/span> '). agg<\/span> (\n mean_points=(' points<\/span> ', np. mean<\/span> ),\n sum_points=(' points<\/span> ', np. sum<\/span> ),\n std_points=(' points<\/span> ', np. std<\/span> ))\n<\/strong><\/pre>\n Contoh: Menggunakan Groupby dengan Banyak Agregasi di Pandas<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n<\/strong>#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['Mavs', 'Mavs', 'Mavs', 'Heat', 'Heat', 'Heat'],\n ' points<\/span> ': [18, 22, 19, 14, 14, 11],\n ' assists<\/span> ': [5, 7, 7, 9, 12, 9]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points assists\n0 Mavs 18 5\n1 Mavs 22 7\n2 Mavs 19 7\n3 Heat 14 9\n4 Heat 14 12\n5 Heat 11 9\n<\/strong><\/pre>\n import<\/span> numpy as<\/span> np\n\n#group by team and calculate mean, sum, and standard deviation of points\n<\/span><\/strong>df. groupby<\/span> (' team<\/span> '). agg<\/span> (\n mean_points=(' points<\/span> ', np. mean<\/span> ),\n sum_points=(' points<\/span> ', np. sum<\/span> ),\n std_points=(' points<\/span> ', np. std<\/span> ))\n\n mean_points sum_points std_points\nteam\t\t\t\nHeat 13.000000 39 1.732051\nMavs 19.666667 59 2.081666<\/strong><\/pre>\n Sumber daya tambahan<\/strong><\/span><\/h2>\n
Cara menerapkan fungsi ke Pandas Groupby<\/a>
Cara Membuat Plot Batang dari Pandas GroupBy<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"