<\/p>\n
Saat menggunakan fungsi pandas groupby()<\/strong> untuk mengelompokkan berdasarkan satu kolom dan menghitung nilai rata-rata kolom lain, pandas akan mengabaikan nilai NaN<\/strong> secara default.<\/span><\/p>\n Jika Anda ingin menampilkan NaN<\/strong> jika ada nilai NaN<\/strong> di kolom, Anda dapat menggunakan sintaks dasar berikut:<\/span><\/p>\n Contoh khusus ini akan mengelompokkan baris kolom DataFrame menurut Tim<\/strong> dan kemudian menghitung nilai rata-rata kolom poin<\/strong> tanpa mengabaikan nilai NaN<\/strong> .<\/span><\/p>\n Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya.<\/span><\/span><\/p>\n Misalkan kita memiliki pandas DataFrame berikut yang berisi informasi tentang berbagai pemain bola basket:<\/span><\/span><\/p>\n Misalkan kita menggunakan sintaks berikut untuk menghitung nilai poin<\/strong> rata-rata, yang dikelompokkan berdasarkan tim<\/strong> :<\/span><\/p>\n Perhatikan bahwa nilai poin<\/strong> rata-rata untuk setiap tim<\/strong> dikembalikan, meskipun terdapat nilai NaN<\/strong> untuk Tim A di kolom poin.<\/span><\/span><\/p>\n Secara default, panda mengabaikan nilai NaN<\/strong> saat menghitung rata-rata.<\/span><\/p>\n Jika Anda ingin menampilkan NaN<\/strong> sebagai nilai rata-rata jika memang ada NaN<\/strong> , Anda dapat menggunakan sintaks berikut:<\/span><\/p>\n Perhatikan bahwa nilai NaN<\/strong> dikembalikan sebagai nilai poin rata-rata untuk Tim A kali ini.<\/span><\/p>\n Dengan menggunakan argumen skipna=False<\/strong> , kami memberi tahu panda untuk tidak mengabaikan nilai NaN<\/strong> saat menghitung rata-rata.<\/span><\/p>\n Tutorial berikut menjelaskan cara melakukan tugas umum lainnya di panda:<\/span><\/p>\n Cara menghitung nilai unik menggunakan Pandas GroupBy<\/a> Saat menggunakan fungsi pandas groupby() untuk mengelompokkan berdasarkan satu kolom dan menghitung nilai rata-rata kolom lain, pandas akan mengabaikan nilai NaN secara default. Jika Anda ingin menampilkan NaN jika ada nilai NaN di kolom, Anda dapat menggunakan sintaks dasar berikut: df. groupby (‘ team ‘). agg ({‘ points ‘: lambda x: x. mean (skipna= False […]<\/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> ({' points<\/span> ': lambda<\/span> x: x. mean<\/span> (skipna= False<\/span> )})\n<\/strong><\/pre>\n Contoh: gunakan pandas groupby() dan jangan abaikan NaNs<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'],\n ' points<\/span> ': [15, np.nan, 24, 25, 20, 35, 34, 19, 14, 12]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points\n0 to 15.0\n1 A NaN\n2 A 24.0\n3 A 25.0\n4 A 20.0\n5 B 35.0\n6 B 34.0\n7B 19.0\n8B 14.0\n9B 12.0<\/span><\/span><\/strong><\/pre>\n #calculate mean of points, grouped by team\n<\/span>df. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. mean<\/span> ()\n\nteam\nAt 21.0\nB 22.8\nName: points, dtype: float64<\/span><\/span><\/strong><\/pre>\n #calculate mean points value grouped by team and don't ignore NaNs<\/span>\ndf. groupby<\/span> (' team<\/span> '). agg<\/span> ({' points<\/span> ': lambda<\/span> x: x. mean<\/span> (skipna= False<\/span> )})\n\n points\nteam\t\nTo NaN\nB 22.8\n<\/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":"