<\/p>\n
Nel linguaggio di programmazione R, possiamo utilizzare la funzione mutate()<\/strong> del pacchetto dplyr<\/strong> per aggiungere rapidamente nuove colonne a un frame di dati calcolato dalle colonne esistenti.<\/span><\/span><\/p>\n Ad esempio, il codice seguente mostra come calcolare il valore medio di una colonna specifica in R e aggiungere tale valore come una nuova colonna in un frame di dati:<\/span><\/p>\n L’equivalente della funzione mutate()<\/strong> nei panda \u00e8 la funzione trasforma()<\/strong> .<\/span><\/p>\n L’esempio seguente mostra come utilizzare questa funzione nella pratica.<\/span><\/p>\n Supponiamo di avere il seguente DataFrame panda che mostra i punti segnati da giocatori di basket di diverse squadre:<\/span><\/p>\n Possiamo usare la funzione trasforma()<\/strong> per aggiungere una nuova colonna chiamata Mean_points<\/strong> che mostra la media dei punti segnati da ciascuna squadra:<\/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 questo corrisponde ai risultati ottenuti utilizzando la funzione mutate()<\/strong> nell’esempio introduttivo.<\/span><\/p>\n Vale la pena notare che puoi anche utilizzare lambda<\/strong> per eseguire calcoli personalizzati nella funzione trasforma()<\/strong> .<\/span><\/p>\n Ad esempio, il codice seguente mostra come utilizzare lambda<\/strong> per calcolare<\/span> la percentuale dei punti totali segnati da ciascun giocatore della rispettiva squadra:<\/span><\/p>\n Ecco come interpretare il risultato:<\/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> Nel linguaggio di programmazione R, possiamo utilizzare la funzione mutate() del pacchetto dplyr per aggiungere rapidamente nuove colonne a un frame di dati calcolato dalle colonne esistenti. Ad esempio, il codice seguente mostra come calcolare il valore medio di una colonna specifica in R e aggiungere tale valore come una nuova colonna in un frame […]<\/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 library<\/span> (dplyr)\n\n#create data frame\n<\/span>df <- data. frame<\/span> (team=c('A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'),\n points=c(30, 22, 19, 14, 14, 11, 20, 28))\n\n#add new column that shows mean points by team\n<\/span>df <- df %>%\n group_by(team) %>%\n mutate(mean_points = mean(points))\n\n#view updated data frame\n<\/span>df\n\n team points mean_points \n1 to 30 21.2\n2 A 22 21.2\n3 A 19 21.2\n4 A 14 21.2\n5 B 14 18.2\n6 B 11 18.2\n7 B 20 18.2\n8 B 28 18.2\n<\/strong><\/pre>\n Esempio: utilizzo di transform() nei panda per replicare mutate() in R<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\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]})<\/span>\n\n#view DataFrame\nprint<\/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<\/span><\/span><\/strong><\/pre>\n #add new column to DataFrame that shows mean points by team\n<\/span>df[' mean_points<\/span> '] = df. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. transform<\/span> (' mean<\/span> ')\n\n#view updated DataFrame\n<\/span>print<\/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\n<\/strong><\/pre>\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><\/h2>\n
Come utilizzare Groupby e Plot in Pandas<\/a>
Come contare valori univoci utilizzando GroupBy in Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"