Pandas dataframe တွင် လေးပုံတစ်ပုံအလိုက် အုပ်စုဖွဲ့နည်း (ဥပမာနှင့်အတူ)

ပန်ဒါ DataFrame တွင် လေးပုံတစ်ပုံအလိုက် အတန်းများကို အုပ်စုဖွဲ့ရန် အောက်ပါအခြေခံ syntax ကို သင်အသုံးပြုနိုင်သည်-

 #convert date column to datetime
df[' date '] = pd. to_datetime (df[' date '])

#calculate sum of values, grouped by quarter
df. groupby (df[' date ']. dt . to_period (' Q '))[' values ']. sum ()

ဤအထူးဖော်မြူလာသည် ရက်စွဲ ကော်လံတွင် လေးပုံတစ်ပုံစီဖြင့် အတန်းများကိုစုဖွဲ့ပြီး DataFrame ရှိ တန်ဖိုးကော်လံ၏ ပေါင်းလဒ်ကို တွက်ချက်သည်။

အောက်ဖော်ပြပါ ဥပမာသည် ဤ syntax ကို လက်တွေ့တွင် မည်သို့အသုံးပြုရမည်ကို ပြသထားသည်။

ဥပမာ- Pandas တွင် လေးပုံတစ်ပုံအလိုက် အုပ်စုဖွဲ့နည်း

ကျွန်ုပ်တို့တွင် ကုမ္ပဏီတစ်ခုမှ မတူညီသောရက်စွဲများဖြင့် ရောင်းချမှုကိုပြသသည့် အောက်ပါပန်ဒါ DataFrame ရှိသည်ဆိုကြပါစို့။

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' date ': pd. date_range (start='1/1/2022', freq='M', periods= 12 ),
                   ' sales ': [6, 8, 10, 5, 4, 8, 8, 3, 5, 14, 8, 3]})

#view DataFrame
print (df)

         dirty date
0 2022-01-31 6
1 2022-02-28 8
2 2022-03-31 10
3 2022-04-30 5
4 2022-05-31 4
5 2022-06-30 8
6 2022-07-31 8
7 2022-08-31 3
8 2022-09-30 5
9 2022-10-31 14
10 2022-11-30 8
11 2022-12-31 3

ဆက်စပ်- Pandas တွင် ရက်စွဲအပိုင်းအခြားတစ်ခု ဖန်တီးနည်း

လေးပုံတပုံအလိုက် အုပ်စုဖွဲ့ရောင်းချမှုပေါင်းလဒ်ကို တွက်ချက်ရန် အောက်ပါ syntax ကို အသုံးပြုနိုင်ပါသည်။

 #convert date column to datetime and subtract one week
df[' date '] = pd. to_datetime (df[' date '])

#calculate sum of sales, grouped by quarter
df. groupby (df[' date ']. dt . to_period (' Q '))[' sales ']. sum ()

date
2022Q1 24
2022Q2 17
2022Q3 16
2022Q4 25
Freq: Q-DEC, Name: sales, dtype: int64

ဤသည်မှာ ရလဒ်ကို မည်သို့အဓိပ္ပာယ်ဖွင့်ဆိုနိုင်သည်-

• ပထမသုံးလပတ်အတွင်း စုစုပေါင်းရောင်းချမှု ၂၄ ခု ပြုလုပ်ခဲ့သည်။
• ဒုတိယသုံးလပတ်အတွင်း စုစုပေါင်းရောင်းချမှု ၁၇ မှု ပြုလုပ်ခဲ့သည်။
• တတိယသုံးလပတ်အတွင်း စုစုပေါင်းရောင်းချမှု ၁၆ မှု ပြုလုပ်ခဲ့သည်။
• စတုတ္ထသုံးလပတ်အတွင်း စုစုပေါင်းရောင်းချမှု ၂၅ ခု ပြုလုပ်ခဲ့သည်။

လေးပုံတပုံဖြင့် အုပ်စုဖွဲ့ထားသော အခြားသော မက်ထရစ်များကို တွက်ချက်ရန် အလားတူ syntax ကို အသုံးပြုနိုင်ပါသည်။

ဥပမာအားဖြင့်၊ လေးပုံတပုံဖြင့် အုပ်စုဖွဲ့၍ အများဆုံးရောင်းအားတန်ဖိုးကို တွက်ချက်နိုင်သည်-

 #convert date column to datetime
df[' date '] = pd. to_datetime (df[' date '])

#calculate max of sales, grouped by quarter
df. groupby (df[' date ']. dt . to_period (' Q '))[' sales ']. max ()

date
2022Q1 10
2022Q2 8
2022Q3 8
2022Q4 14
Freq: Q-DEC, Name: sales, dtype: int64

ဤသည်မှာ ရလဒ်ကို မည်သို့အဓိပ္ပာယ်ဖွင့်ဆိုနိုင်သည်-

• ပထမသုံးလပတ်အတွင်း တစ်ဦးချင်းလတွင် ရောင်းအား အထွတ်အထိပ်မှာ 10 ဖြစ်သည်။
• ဒုတိယသုံးလပတ်အတွင်း တစ်ဦးချင်းလတွင် ရောင်းအား အထွတ်အထိပ်မှာ 8 ခု ဖြစ်သည်။
• တတိယသုံးလပတ်အတွင်း တစ်ဦးချင်းလတွင် ရောင်းအား အထွတ်အထိပ်မှာ 8 ခု ဖြစ်သည်။
• စတုတ္ထသုံးလပတ်အတွင်း တစ်ဦးချင်းလတွင် အရောင်းရဆုံးမှာ 14 ဖြစ်သည်။

မှတ်ချက် – ပန်ဒါများတွင် အုပ်စုလိုက် လုပ်ဆောင်မှုဆိုင်ရာ စာရွက်စာတမ်းအပြည့်အစုံကို ဤနေရာတွင် ရှာတွေ့နိုင်ပါသည်။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် ပန်ဒါများတွင် အခြားဘုံလုပ်ဆောင်ချက်များကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြသည်-

Pandas DataFrame တွင် လအလိုက် အုပ်စုဖွဲ့နည်း
Pandas DataFrame တွင် တစ်ပတ်အလိုက် အုပ်စုဖွဲ့နည်း
Pandas- Groupby ကိုအသုံးပြုနည်းနှင့် အခြေအနေအရ ရေတွက်နည်း