Pandas:groupby에서 열의 평균 및 표준 계산

Pandas에서 groupby() 작업을 사용한 후 다음 구문을 사용하여 열의 평균 및 표준 편차를 계산할 수 있습니다.

 df. groupby ([' team '], as_index= False ). agg ({' points ':[' mean ', ' std ']})

이 특정 예는 Team 열의 값을 기준으로 pandas DataFrame의 행을 그룹화한 다음 Points 열 값의 평균 및 표준 편차를 계산합니다.

다음 예에서는 실제로 이 구문을 사용하는 방법을 보여줍니다.

예: Pandas groupby에서 열의 평균과 표준 계산

다양한 팀의 농구 선수에 대한 정보가 포함된 다음과 같은 pandas DataFrame이 있다고 가정합니다.

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'C', 'C', 'C'],
                   ' points ': [12, 15, 17, 17, 19, 14, 15, 20, 24, 28],
                   ' assists ': [5, 5, 7, 9, 10, 14, 13, 8, 2, 7]})
                            
#view DataFrame
print (df)

  team points assists
0 to 12 5
1 to 15 5
2 To 17 7
3 To 17 9
4 B 19 10
5 B 14 14
6 B 15 13
7 C 20 8
8 C 24 2
9 C 28 7

다음 구문을 사용하여 팀 열별로 그룹화된 포인트 열 값의 평균 및 표준 편차를 계산할 수 있습니다.

 #calculate mean and standard deviation of points, grouped by team
output = df. groupby ([' team '], as_index= False ). agg ({' points ':[' mean ', ' std ']})

#view results
print (output)

  team points          
         mean std
0 A 15.25 2.362908
1 B 16.00 2.645751
2 C 24.00 4.000000

결과에서 우리는 다음을 볼 수 있습니다:

• A팀의 평균 점수는 15.25 입니다.
• A팀 점수의 표준편차는 2.362908 입니다.

등등.

결과를 더 쉽게 읽을 수 있도록 열 이름을 바꿀 수도 있습니다.

 #rename columns
output.output. columns = [' team ', ' points_mean ', ' points_std ']

#view updated results
print (output)

  team points_mean points_std
0 A 15.25 2.362908
1 B 16.00 2.645751
2 C 24.00 4.000000

참고 : 여기에서 pandas groupby() 작업에 대한 전체 문서를 찾을 수 있습니다.

추가 리소스

다음 튜토리얼에서는 Pandas에서 다른 일반적인 작업을 수행하는 방법을 설명합니다.

Pandas에서 GroupBy 합계를 수행하는 방법
Pandas에서 Groupby 및 Plot을 사용하는 방법
Pandas에서 GroupBy를 사용하여 고유한 값을 계산하는 방법