<\/p>\n
Anda dapat menggunakan sintaks dasar berikut untuk mengeksekusi pernyataan SQL yang setara dengan “GROUP BY HAVING” di panda:<\/span><\/p>\n Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya dengan pandas DataFrame berikut:<\/span><\/p>\n Kode berikut memperlihatkan cara mengelompokkan baris berdasarkan nilai di kolom Tim<\/strong> lalu memfilter hanya tim yang jumlahnya lebih dari 2:<\/span><\/span><\/p>\n Perhatikan bahwa hanya baris dengan nilai tim “A” atau “B” yang dikembalikan karena keduanya adalah tim yang jumlahnya lebih besar dari 2.<\/span><\/p>\n Kode berikut menunjukkan cara mengelompokkan baris berdasarkan nilai di kolom Tim<\/strong> lalu memfilter hanya tim yang nilai rata-rata poinnya<\/strong> lebih besar dari 20:<\/span><\/p>\n Perhatikan bahwa hanya baris dengan nilai tim “A” atau “C” yang dikembalikan karena ini adalah dua tim yang memiliki nilai poin rata-rata lebih besar dari 20.<\/span><\/p>\n Kode berikut menunjukkan cara mengelompokkan baris berdasarkan nilai di kolom Tim<\/strong> lalu memfilter hanya tim yang jumlah poinnya<\/strong> tepat 48:<\/span><\/p>\n Perhatikan bahwa hanya baris dengan nilai tim “C” yang dikembalikan karena ini adalah satu-satunya tim yang memiliki jumlah poin sama dengan 48.<\/span><\/p>\n Tutorial berikut menjelaskan cara melakukan operasi umum lainnya di panda:<\/span><\/p>\n Pandas: dapatkan indeks baris yang kolomnya cocok dengan nilainya<\/a> Anda dapat menggunakan sintaks dasar berikut untuk mengeksekusi pernyataan SQL yang setara dengan “GROUP BY HAVING” di panda: df. groupby (‘ some_column ‘). filter ( lambda x: some condition) Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya dengan pandas DataFrame berikut: import pandas as pd #createDataFrame df = pd. DataFrame ({‘ team ‘: [‘A’, […]<\/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> (' some_column<\/span> '). filter<\/span> ( lambda<\/span> x: some condition)\n<\/span><\/span><\/strong><\/pre>\n import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'B', 'B', 'B', 'C', 'C'],\n ' position<\/span> ': ['G', 'F', 'F', 'G', 'F', 'F', 'G', 'G'],\n ' points<\/span> ': [30, 22, 19, 14, 14, 11, 20, 28]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team position points\n0 AG 30\n1 AF 22\n2 FY 19\n3 BG 14\n4 BF 14\n5 BF 11\n6 GC 20\n7 GC 28\n<\/b><\/pre>\n Contoh 1: Sekelompok panda yang memiliki Count<\/strong><\/span><\/h2>\n
#group by team and filter for teams with count > 2<\/span>\ndf. groupby<\/span> (' team<\/span> '). filter<\/span> ( lambda<\/span> x: len<\/span> (x) > 2<\/span> )\n\n\n team position points\n0 A G 30\n1 A F 22\n2 A F 19\n3 B G 14\n4 B F 14\n5 B F 11<\/span><\/span><\/strong><\/pre>\n Contoh 2: Sekelompok panda yang mempunyai rata-rata<\/strong><\/span><\/h2>\n
#group by team and filter for teams with mean points > 20<\/span>\ndf. groupby<\/span> (' team<\/span> '). filter<\/span> ( lambda<\/span> x: x[' points<\/span> ']. mean<\/span> () > 20<\/span> )\n\n team position points\n0 A G 30\n1 A F 22\n2 A F 19\n6 C G 20\n7 C G 28<\/span><\/span><\/strong><\/pre>\n Contoh 3: Sekelompok panda yang mempunyai jumlah<\/strong><\/span><\/h2>\n
#group by team and filter for teams with sum of points equal to 48<\/span>\ndf. groupby<\/span> (' team<\/span> '). filter<\/span> ( lambda<\/span> x: x[' points<\/span> ']. sum<\/span> () == 48<\/span> )\n\n team position points\n6 C G 20\n7 C G 28<\/span><\/span><\/strong><\/pre>\n Sumber daya tambahan<\/strong><\/span><\/h2>\n
Pandas: cara memilih kolom yang berisi string tertentu<\/a>
Pandas: cara memeriksa apakah kolom berisi string<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"