<\/p>\n
Vaak ben je misschien ge\u00efnteresseerd in het tellen van het aantal observaties<\/a> per groep in een panda’s DataFrame.<\/span><\/p>\n Gelukkig is dit eenvoudig te doen met behulp van de functies groupby()<\/strong> en size()<\/strong> met de volgende syntaxis:<\/span><\/p>\n In deze tutorial worden verschillende voorbeelden van praktisch gebruik van deze functie uitgelegd met behulp van het volgende dataframe:<\/span><\/p>\n De volgende code laat zien hoe u het totale aantal observaties per team kunt tellen:<\/span><\/p>\n Uit het resultaat kunnen we zien dat:<\/span><\/p>\n Merk op dat de voorgaande code een reeks produceert. In de meeste gevallen willen we met een DataFrame werken, dus kunnen we in plaats daarvan de functie reset_index()<\/strong> gebruiken om een DataFrame te produceren:<\/span><\/p>\n We kunnen ook de functie sort_values()<\/strong> gebruiken om het aantal groepen te sorteren.<\/span><\/p>\n We kunnen oplopend=False<\/strong> specificeren om het aantal groepen van groot naar klein te sorteren, of oplopend=Waar<\/strong> om van klein naar groot te sorteren:<\/span><\/p>\n We kunnen ook het aantal waarnemingen tellen, gegroepeerd op verschillende variabelen in een Panda DataFrame:<\/span><\/p>\n Uit het resultaat kunnen we zien dat:<\/span><\/p>\n Hoe de som van kolommen in Panda’s te berekenen<\/a> Vaak ben je misschien ge\u00efnteresseerd in het tellen van het aantal observaties per groep in een panda’s DataFrame. Gelukkig is dit eenvoudig te doen met behulp van de functies groupby() en size() met de volgende syntaxis: df. groupby (‚ column_name ‚). size () In deze tutorial worden verschillende voorbeelden van praktisch gebruik van deze functie […]<\/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":[],"class_list":["post-1262","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n df. groupby<\/span> (' column_name<\/span> '). size<\/span> ()\n<\/strong><\/pre>\n import<\/span> numpy as<\/span> np<\/span>\nimport<\/span> pandas as<\/span> pd<\/span>\n\n#create pandas DataFrame<\/span>\ndf = pd. DataFrame<\/span> ({'team': ['A', 'A', 'B', 'B', 'B', 'C', 'C'],\n 'division':['E', 'W', 'E', 'E', 'W', 'W', 'E'],\n 'rebounds': [11, 8, 7, 6, 6, 5, 12]})\n\n#display DataFrame\n<\/span>print<\/span> (df)\n\n team division rebounds\n0 AE 11\n1 AW 8\n2 BE 7\n3 BE 6\n4 BW 6\n5 CW 5\n6 CE 12<\/strong><\/pre>\n Voorbeeld 1: tellen met een variabele<\/strong><\/h3>\n
#count total observations by variable 'team'<\/span>\ndf. groupby<\/span> (' team<\/span> '). size<\/span> ()\n\nteam\nAt 2\nB 3\nC 2\ndtype: int64\n<\/strong><\/pre>\n\n
df. groupby<\/span> (' team<\/span> '). size<\/span> (). reset_index<\/span> (name=' obs<\/span> ')\n\n team obs\n0 to 2\n1 B 3\n2 C 2\n<\/strong><\/pre>\n Voorbeeld 2: tellen en sorteren op een variabele<\/strong><\/h3>\n
df. groupby<\/span> (' team<\/span> '). size<\/span> (). reset_index<\/span> (name=' obs<\/span> '). sort_values<\/span> ([' obs<\/span> '], ascending= True<\/span> )\n\n team obs\n0 to 2\n2 C 2\n1 B 3<\/strong><\/pre>\n Voorbeeld 3: Tellen met meerdere variabelen<\/strong><\/h3>\n
#count observations grouped by team and division<\/span>\ndf. groupby<\/span> ([' team<\/span> ',' division<\/span> ']). size<\/span> (). reset_index<\/span> (name=' obs<\/span> ')\n\n team division obs\n0 A E 1\n1 A W 1\n2 B E 2\n3 B W 1\n4 C E 1\n5 C W 1\n<\/strong><\/pre>\n\n
Aanvullende bronnen<\/strong><\/span><\/h3>\n
Hoe het gemiddelde van kolommen in Panda’s te berekenen<\/a>
Hoe u de maximale waarde van kolommen in Panda’s kunt vinden<\/p>\n","protected":false},"excerpt":{"rendered":"