{"id":3200,"date":"2023-07-18T17:44:30","date_gmt":"2023-07-18T17:44:30","guid":{"rendered":"https:\/\/statorials.org\/nl\/pandas-groepsgewijs-transformeren\/"},"modified":"2023-07-18T17:44:30","modified_gmt":"2023-07-18T17:44:30","slug":"pandas-groepsgewijs-transformeren","status":"publish","type":"post","link":"https:\/\/statorials.org\/nl\/pandas-groepsgewijs-transformeren\/","title":{"rendered":"Hoe u de functies groupby() en transform() kunt gebruiken in pandas"},"content":{"rendered":"

<\/p>\n

\n

U kunt de volgende methoden gebruiken om de functies groupby()<\/strong> en transform()<\/strong> samen te gebruiken in een pandas DataFrame:<\/span><\/p>\n

Methode 1: Gebruik groupby() en transform() met ingebouwde functie<\/strong><\/span><\/p>\n

 df[' new<\/span> '] = df. groupby<\/span> (' group_var<\/span> ')[' value_var<\/span> ']. transform<\/span> (' mean<\/span> ')\n<\/strong><\/pre>\n
 Methode 2: Gebruik groupby() en transform() met een aangepaste functie<\/strong><\/span><\/p>\n
 df[' new<\/span> '] = df. groupby<\/span> (' group_var<\/span> ')[' value_var<\/span> ']. transform<\/span> ( lambda<\/span> x: some function)<\/strong><\/pre>\n
 De volgende voorbeelden laten zien hoe u elke methode in de praktijk kunt gebruiken met de volgende panda’s DataFrame:<\/span><\/p>\n
 import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\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]})\n\n#view DataFrame\nprint<\/span><\/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<\/b><\/pre>\n
 Voorbeeld 1: Gebruik groupby() en transform() met ingebouwde functie<\/strong><\/span><\/h3>\n
 De volgende code laat zien hoe u de functies groupby(<\/strong> ) en transform()<\/strong> gebruikt om een nieuwe kolom aan het DataFrame toe te voegen met de naam mean_points:<\/span><\/p>\n
 #create new column called mean_points\ndf[' mean_points<\/span> '] = df. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. transform<\/span> (' mean<\/span> ')\n<\/span>\n#view updated DataFrame\nprint<\/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<\/span><\/span><\/strong><\/pre>\n
 De gemiddelde puntwaarde voor spelers van team A was 21,25<\/strong> en de gemiddelde puntwaarde voor spelers van team B was 18,25<\/strong> , dus deze waarden werden dienovereenkomstig aan elke speler in een nieuwe kolom toegewezen.<\/span><\/p>\n
 Merk op dat we ook een andere ingebouwde functie zoals sum()<\/strong> kunnen gebruiken om een nieuwe kolom te maken die de som van de gescoorde punten voor elk team weergeeft:<\/span><\/p>\n
 #create new column called sum_points\ndf[' sum_points<\/span> '] = df. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. transform<\/span> (' sum<\/span> ')\n<\/span>\n#view updated DataFrame\nprint<\/span> (df)\n\n  team points sum_points\n0 to 30 85\n1 to 22 85\n2 A 19 85\n3 to 14 85\n4 B 14 73\n5 B 11 73\n6 B 20 73\n7 B 28 73<\/span><\/span><\/strong><\/pre>\n
 De som van de punten van de spelers van team A was 85<\/b> en de som van de punten van de spelers van team B was 73<\/strong> , dus deze waarden werden dienovereenkomstig aan elke speler in een nieuwe kolom toegewezen.<\/span><\/p>\n
 Voorbeeld 2: Gebruik groupby() en transform() met een aangepaste functie<\/strong><\/span><\/h3>\n
 De volgende code laat zien hoe u de functies groupby(<\/strong> ) en transform()<\/strong> kunt gebruiken om een aangepaste functie te maken die het percentage van het totale aantal punten berekent dat door elke speler in zijn respectievelijke teams is gescoord:<\/span><\/p>\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
 Zo interpreteert u het resultaat:<\/span><\/span><\/p>\n