<\/p>\n
Seringkali Anda mungkin ingin mengelompokkan dan menggabungkan beberapa kolom DataFrame pandas.<\/span><\/p>\n Untungnya, hal ini mudah dilakukan menggunakan fungsi panda .groupby()<\/a> dan .agg()<\/a> .<\/span><\/p>\n Tutorial ini menjelaskan beberapa contoh penggunaan praktis fungsi-fungsi ini.<\/span><\/p>\n Misalkan kita memiliki panda DataFrame berikut:<\/span><\/p>\n Kode berikut menunjukkan cara mengelompokkan berdasarkan kolom \u201ctim\u201d dan \u201cposisi\u201d dan menemukan rata-rata operan:<\/span><\/p>\n Outputnya memberitahu kita:<\/span><\/p>\n Dan seterusnya.<\/span><\/p>\n Kita juga dapat menggunakan kode berikut untuk mengganti nama kolom DataFrame yang dihasilkan:<\/span><\/p>\n Anggaplah kita menggunakan pandas DataFrame yang sama seperti contoh sebelumnya:<\/span><\/p>\n Kode berikut menunjukkan cara mencari median dan jumlah rebound maksimum, yang dikelompokkan dalam kolom “tim” dan “posisi”:<\/span><\/p>\n Outputnya memberitahu kita:<\/span><\/p>\n Dan seterusnya.<\/span><\/p>\n Cara memfilter Pandas DataFrame pada berbagai kondisi<\/a> Seringkali Anda mungkin ingin mengelompokkan dan menggabungkan beberapa kolom DataFrame pandas. Untungnya, hal ini mudah dilakukan menggunakan fungsi panda .groupby() dan .agg() . Tutorial ini menjelaskan beberapa contoh penggunaan praktis fungsi-fungsi ini. Contoh 1: Kelompokkan berdasarkan dua kolom dan temukan rata-ratanya Misalkan kita memiliki panda DataFrame berikut: import pandas as pd #createDataFrame df = pd.DataFrame({‘team’: […]<\/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 Contoh 1: Kelompokkan berdasarkan dua kolom dan temukan rata-ratanya<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd.DataFrame({'team': ['A', 'B', 'B', 'B', 'B', 'M', 'M', 'M'],\n 'position': ['G', 'G', 'F', 'G', 'F', 'F', 'C', 'C'],\n 'assists': [5, 7, 7, 8, 5, 7, 6, 9],\n 'rebounds': [11, 8, 10, 6, 6, 9, 6, 10]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team position assists rebounds\n0 AG 5 11\n1 BG 7 8\n2 BF 7 10\n3 BG 8 6\n4 BF 5 6\n5 MF 7 9\n6 MC 6 6\n7 MC 9 10\n<\/strong><\/pre>\n df. groupby<\/span> (['team', 'position']). agg<\/span> ({'assists': ['mean']}). reset_index<\/span> ()\n\n\n team position assists\n mean\n0 A G 5.0\n1 B F 6.0\n2 B G 7.5\n3 M C 7.5\n4M F 7.0\n<\/strong><\/pre>\n\n
#group by team and position and find mean assists<\/span>\nnew = df. groupby<\/span> (['team', 'position']). agg<\/span> ({'assists': ['mean']}). reset_index<\/span> ()\n\n#rename columns<\/span>\nnew.columns = ['team', 'pos', 'mean_assists']\n\n#view DataFrame<\/span>\nprint<\/span> (new)\n\n\tteam pos mean_assists\n0 A G 5.0\n1 B F 6.0\n2 B G 7.5\n3 M C 7.5\n4M F 7.0<\/strong><\/pre>\n Contoh 2: Kelompokkan berdasarkan dua kolom dan temukan beberapa statistik<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd.DataFrame({'team': ['A', 'B', 'B', 'B', 'B', 'M', 'M', 'M'],\n 'position': ['G', 'G', 'F', 'G', 'F', 'F', 'C', 'C'],\n 'assists': [5, 7, 7, 8, 5, 7, 6, 9],\n 'rebounds': [11, 8, 10, 6, 6, 9, 6, 10]})<\/strong><\/pre>\n df. groupby<\/span> (['team', 'position']). agg<\/span> ({'rebounds': ['median', 'max']}). reset_index<\/span> ()\n\n\n team position rebounds\n median max\n0 A G 11 11\n1 B F 8 10\n2 B G 7 8\n3 M C 8 10\n4 M F 9 9\n<\/strong><\/pre>\n\n
Sumber daya tambahan<\/strong><\/span><\/h3>\n
Cara menghitung nilai yang hilang di Pandas DataFrame<\/a>
Cara menumpuk beberapa Pandas DataFrames<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"