<\/p>\n
\u00c8 possibile utilizzare la seguente sintassi di base per eseguire un groupby e contare con la condizione in un DataFrame panda:<\/span><\/p>\n Questa particolare sintassi raggruppa le righe del DataFrame in base a var1<\/strong> e quindi conta il numero di righe in cui var2<\/strong> \u00e8 uguale a “val”.<\/span><\/p>\n L’esempio seguente mostra come utilizzare questa sintassi nella pratica.<\/span><\/p>\n Supponiamo di avere il seguente DataFrame panda che contiene informazioni su vari giocatori di basket:<\/span><\/p>\n Il codice seguente mostra come raggruppare DataFrame in base alla variabile team<\/strong> e contare il numero di righe in cui la variabile pos<\/strong> \u00e8 uguale a “Gu”:<\/span><\/p>\n Dal risultato possiamo vedere:<\/span><\/p>\n Possiamo usare una sintassi simile per eseguire un groupby e contare con una condizione numerica.<\/span><\/p>\n Ad esempio, il codice seguente mostra come raggruppare per variabile della squadra<\/strong> e contare il numero di righe in cui la variabile punti<\/b> \u00e8 maggiore di 15:<\/span><\/p>\n Dal risultato possiamo vedere:<\/span><\/p>\n Puoi utilizzare una sintassi simile per eseguire un groupby e contare con qualsiasi condizione specifica desideri.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni nei panda:<\/span><\/p>\n Come contare valori univoci utilizzando Pandas GroupBy<\/a> \u00c8 possibile utilizzare la seguente sintassi di base per eseguire un groupby e contare con la condizione in un DataFrame panda: df. groupby (‘ var1 ‘)[‘ var2 ‘]. apply ( lambda x:(x==’ val ‘). sum ()). reset_index (name=’ count ‘) Questa particolare sintassi raggruppa le righe del DataFrame in base a var1 e quindi conta […]<\/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> (' var1<\/span> ')[' var2<\/span> ']. apply<\/span> ( lambda<\/span> x:(x==' val<\/span> '). sum<\/span> ()). reset_index<\/span> (name=' count<\/span> ')\n<\/strong><\/pre>\n Esempio: Groupby e Count con Condizione in Panda<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],\n ' pos<\/span> ': ['Gu', 'Fo', 'Fo', 'Fo', 'Gu', 'Gu', 'Fo', 'Fo'],\n ' points<\/span> ': [18, 22, 19, 14, 14, 11, 20, 28]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team pos points\n0 A Gu 18\n1 A Fo 22\n2 A Fo 19\n3 A Fo 14\n4 B Gu 14\n5 B Gu 11\n6 B Fo 20\n7 B Fo 28<\/strong><\/pre>\n #groupby team and count number of 'pos' equal to 'Gu'\n<\/span>df_count = df. groupby<\/span> (' team<\/span> ')[' pos<\/span> ']. apply<\/span> ( lambda<\/span> x: (x==' Gu<\/span> '). sum<\/span> ()). reset_index<\/span> (name=' count<\/span> ')\n\n#view results\n<\/span>print<\/span> (df_count)\n\n team count\n0 to 1\n1 B 2\n<\/strong><\/pre>\n\n
#groupby team and count number of 'points' greater than 15\n<\/span>df_count = df. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. apply<\/span> ( lambda<\/span> x: (x>15). sum<\/span> ()). reset_index<\/span> (name=' count<\/span> ')\n\n#view results\n<\/span>print<\/span> (df_count)\n\n team count\n0 to 3\n1 B 2<\/strong><\/pre>\n\n
Risorse addizionali<\/strong><\/span><\/h3>\n
Come applicare una funzione a Pandas Groupby<\/a>
Come creare un grafico a barre da Pandas GroupBy<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"