<\/p>\n
\u00c8 possibile utilizzare i seguenti metodi per utilizzare le funzioni groupby()<\/strong> e trasforma()<\/strong> insieme in un DataFrame panda:<\/span><\/p>\n Metodo 1: utilizzare groupby() e trasforma() con la funzione incorporata<\/strong><\/span><\/p>\n Metodo 2: utilizzare groupby() e trasforma() con una funzione personalizzata<\/strong><\/span><\/p>\n I seguenti esempi mostrano come utilizzare ciascun metodo nella pratica con i seguenti DataFrame panda:<\/span><\/p>\n Il codice seguente mostra come utilizzare le funzioni groupby(<\/strong> ) e trasforma()<\/strong> per aggiungere una nuova colonna al DataFrame chiamata mean_points:<\/span><\/p>\n Il valore medio del punto per i giocatori della squadra A era 21,25<\/strong> e il valore medio del punto per i giocatori della squadra B era 18,25<\/strong> , quindi questi valori sono stati assegnati di conseguenza a ciascun giocatore in una nuova colonna.<\/span><\/p>\n Tieni presente che potremmo anche utilizzare un’altra funzione integrata come sum()<\/strong> per creare una nuova colonna che mostri la somma dei punti segnati per ciascuna squadra:<\/span><\/p>\n La somma dei punti dei giocatori della squadra A era 85<\/b> e la somma dei punti dei giocatori della squadra B era 73<\/strong> , quindi questi valori sono stati assegnati di conseguenza a ciascun giocatore in una nuova colonna.<\/span><\/p>\n Il codice seguente mostra come utilizzare le funzioni groupby(<\/strong> ) e trasforma()<\/strong> per creare una funzione personalizzata che calcoli la percentuale dei punti totali segnati da ciascun giocatore nelle rispettive squadre:<\/span><\/p>\n Ecco come interpretare il risultato:<\/span><\/span><\/p>\n E cos\u00ec via.<\/span><\/p>\n Tieni presente che possiamo utilizzare l’argomento lambda<\/strong> nella funzione trasforma()<\/strong> per eseguire qualsiasi calcolo personalizzato desideriamo.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre operazioni comuni nei panda:<\/span><\/p>\n Come eseguire una somma GroupBy in Pandas<\/a> \u00c8 possibile utilizzare i seguenti metodi per utilizzare le funzioni groupby() e trasforma() insieme in un DataFrame panda: Metodo 1: utilizzare groupby() e trasforma() con la funzione incorporata df[‘ new ‘] = df. groupby (‘ group_var ‘)[‘ value_var ‘]. transform (‘ mean ‘) Metodo 2: utilizzare groupby() e trasforma() con una funzione personalizzata df[‘ new […]<\/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[' new<\/span> '] = df. groupby<\/span> (' group_var<\/span> ')[' value_var<\/span> ']. transform<\/span> (' mean<\/span> ')\n<\/strong><\/pre>\n df[' new<\/span> '] = df. groupby<\/span> (' group_var<\/span> ')[' value_var<\/span> ']. transform<\/span> ( lambda<\/span> x: some function)<\/strong><\/pre>\n import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],\n ' points<\/span> ': [30, 22, 19, 14, 14, 11, 20, 28]})\n\n#view DataFrame\nprint<\/span><\/span> (df)\n\n team points\n0 to 30\n1 to 22\n2 to 19\n3 to 14\n4 B 14\n5 B 11\n6 B 20\n7 B 28\n<\/b><\/pre>\n Esempio 1: utilizzare groupby() e trasforma() con la funzione incorporata<\/strong><\/span><\/h3>\n
#create new column called mean_points\ndf[' mean_points<\/span> '] = df. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. transform<\/span> (' mean<\/span> ')\n<\/span>\n#view updated DataFrame\nprint<\/span> (df)\n\n team points mean_points\n0 to 30 21.25\n1 to 22 21.25\n2 A 19 21.25\n3 to 14 21.25\n4 B 14 18.25\n5 B 11 18.25\n6 B 20 18.25\n7 B 28 18.25<\/span><\/span><\/strong><\/pre>\n #create new column called sum_points\ndf[' sum_points<\/span> '] = df. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. transform<\/span> (' sum<\/span> ')\n<\/span>\n#view updated DataFrame\nprint<\/span> (df)\n\n team points sum_points\n0 to 30 85\n1 to 22 85\n2 A 19 85\n3 to 14 85\n4 B 14 73\n5 B 11 73\n6 B 20 73\n7 B 28 73<\/span><\/span><\/strong><\/pre>\n Esempio 2: utilizzare groupby() e trasforma() con una funzione personalizzata<\/strong><\/span><\/h3>\n
#create new column called percent_of_points\ndf[' percent_of_points<\/span> '] = df. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. transform<\/span> ( lambda<\/span> x:x\/ x.sum<\/span> ())\n<\/span>\n#view updated DataFrame\nprint<\/span> (df)\n\n team points percent_of_points\n0 A 30 0.352941\n1 A 22 0.258824\n2 A 19 0.223529\n3 A 14 0.164706\n4 B 14 0.191781\n5 B 11 0.150685\n6 B 20 0.273973\n7 B 28 0.383562\n<\/span><\/span><\/strong><\/pre>\n\n
Risorse addizionali<\/strong><\/span><\/h3>\n
Come utilizzare Groupby e Plot in Pandas<\/a>
Come contare valori univoci utilizzando GroupBy in Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"