<\/p>\n
\u00c8 possibile utilizzare i seguenti metodi per ottenere un gruppo specifico dopo aver utilizzato la funzione groupby()<\/strong> su un DataFrame panda:<\/span><\/p>\n Metodo 1: ottieni il gruppo dopo aver utilizzato groupby()<\/strong><\/span><\/p>\n Metodo 2: ottieni colonne specifiche dal gruppo dopo aver utilizzato groupby()<\/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 la funzione groupby(<\/strong> ) per raggruppare le righe in base al nome del negozio, quindi utilizzare la funzione get_group()<\/strong> per recuperare tutte le righe appartenenti al gruppo con nome gruppo “A”:<\/span><\/p>\n Tieni presente che get_group()<\/strong> restituisce tutte le righe appartenenti al gruppo con il nome del gruppo “A”.<\/span><\/span><\/p>\n Il codice seguente mostra come utilizzare la funzione groupby(<\/strong> ) per raggruppare le righe in base al nome del negozio, quindi utilizzare la funzione get_group()<\/strong> per recuperare tutte le righe appartenenti al gruppo con nome gruppo “A” solo per le colonne “vendite” e “Rimborsi” :<\/span><\/p>\n Tieni presente che get_group()<\/strong> restituisce tutte le righe appartenenti al gruppo con nome gruppo “A” solo per le colonne “vendite” e “rimborsi”.<\/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 ottenere un gruppo specifico dopo aver utilizzato la funzione groupby() su un DataFrame panda: Metodo 1: ottieni il gruppo dopo aver utilizzato groupby() grouped_df. get_group (‘ A ‘) Metodo 2: ottieni colonne specifiche dal gruppo dopo aver utilizzato groupby() grouped_df[[‘ column1 ‘, ‘ column3 ‘]]. get_group (‘ A […]<\/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 grouped_df. get_group<\/span> (' A<\/span> ')\n<\/strong><\/pre>\n grouped_df[[' column1<\/span> ', ' column3<\/span> ']]. get_group<\/span> (' A<\/span> ')<\/strong><\/pre>\n import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' store<\/span> ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],\n ' sales<\/span> ': [12, 15, 24, 24, 14, 19, 12, 38],\n ' refunds<\/span> ': [4, 8, 7, 7, 10, 5, 4, 11]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n store sales refunds\n0 to 12 4\n1 to 15 8\n2 to 24 7\n3 to 24 7\n4 B 14 10\n5 B 19 5\n6 B 12 4\n7 B 38 11<\/b><\/pre>\n Esempio 1: ottieni un gruppo dopo aver utilizzato groupby()<\/strong><\/span><\/h2>\n
#group rows of DataFrame based on value in 'store' column\ngrouped_stores = df. groupby<\/span> ([' store<\/span> '])\n\n#get all rows that belong to group name 'A'\n<\/span>grouped_stores. get_group<\/span> (' A<\/span> ')\n\n store sales refunds\n0 to 12 4\n1 to 15 8\n2 to 24 7\n3 to 24 7\n<\/span><\/span><\/strong><\/pre>\n Esempio 2: ottieni colonne specifiche dal gruppo dopo aver utilizzato groupby()<\/strong><\/span><\/h2>\n
#group rows of DataFrame based on value in 'store' column\ngrouped_stores = df. groupby<\/span> ([' store<\/span> '])\n\n#get all rows that belong to group name 'A' for sales and refunds columns\n<\/span>grouped_stores[[' store<\/span> ', ' refunds<\/span> ']]. get_group<\/span> (' A<\/span> ')\n\n store refunds\n0 to 4\n1 to 8\n2 to 7\n3 to 7\n<\/span><\/span><\/strong><\/pre>\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":"