<\/p>\n
U kunt de volgende basissyntaxis gebruiken om een groupby- en count-met-voorwaarde uit te voeren in een pandas DataFrame:<\/span><\/p>\n Deze specifieke syntaxis groepeert de rijen van het DataFrame op basis van var1<\/strong> en telt vervolgens het aantal rijen waarbij var2<\/strong> gelijk is aan „val“.<\/span><\/p>\n Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.<\/span><\/p>\n Stel dat we het volgende panda’s DataFrame hebben dat informatie bevat over verschillende basketbalspelers:<\/span><\/p>\n De volgende code laat zien hoe u het DataFrame kunt groeperen op basis van de teamvariabele<\/strong> en hoe u het aantal rijen kunt tellen waarin de pos-<\/strong> variabele gelijk is aan „Gu“:<\/span><\/p>\n Uit het resultaat kunnen we zien:<\/span><\/p>\n We kunnen een soortgelijke syntaxis gebruiken om een groupby uit te voeren en te tellen met een numerieke voorwaarde.<\/span><\/p>\n De volgende code laat bijvoorbeeld zien hoe u kunt groeperen op teamvariabele<\/strong> en het aantal rijen kunt tellen waarin de puntenvariabele<\/b> groter is dan 15:<\/span><\/p>\n Uit het resultaat kunnen we zien:<\/span><\/p>\n U kunt een vergelijkbare syntaxis gebruiken om een groupby uit te voeren en te tellen met elke gewenste specifieke voorwaarde.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in panda’s kunt uitvoeren:<\/span><\/p>\n Hoe u unieke waarden kunt tellen met Pandas GroupBy<\/a> U kunt de volgende basissyntaxis gebruiken om een groupby- en count-met-voorwaarde uit te voeren in een pandas DataFrame: df. groupby (‚ var1 ‚)[‚ var2 ‚]. apply ( lambda x:(x==‘ val ‚). sum ()). reset_index (name=‘ count ‚) Deze specifieke syntaxis groepeert de rijen van het DataFrame op basis van var1 en telt vervolgens het aantal […]<\/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-3225","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n df. groupby<\/span> (' var1<\/span> ')[' var2<\/span> ']. apply<\/span> ( lambda<\/span> x:(x==' val<\/span> '). sum<\/span> ()). reset_index<\/span> (name=' count<\/span> ')\n<\/strong><\/pre>\n Voorbeeld: Groupby en Count with Condition in Panda’s<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],\n ' pos<\/span> ': ['Gu', 'Fo', 'Fo', 'Fo', 'Gu', 'Gu', 'Fo', 'Fo'],\n ' points<\/span> ': [18, 22, 19, 14, 14, 11, 20, 28]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team pos points\n0 A Gu 18\n1 A Fo 22\n2 A Fo 19\n3 A Fo 14\n4 B Gu 14\n5 B Gu 11\n6 B Fo 20\n7 B Fo 28<\/strong><\/pre>\n #groupby team and count number of 'pos' equal to 'Gu'\n<\/span>df_count = df. groupby<\/span> (' team<\/span> ')[' pos<\/span> ']. apply<\/span> ( lambda<\/span> x: (x==' Gu<\/span> '). sum<\/span> ()). reset_index<\/span> (name=' count<\/span> ')\n\n#view results\n<\/span>print<\/span> (df_count)\n\n team count\n0 to 1\n1 B 2\n<\/strong><\/pre>\n\n
#groupby team and count number of 'points' greater than 15\n<\/span>df_count = df. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. apply<\/span> ( lambda<\/span> x: (x>15). sum<\/span> ()). reset_index<\/span> (name=' count<\/span> ')\n\n#view results\n<\/span>print<\/span> (df_count)\n\n team count\n0 to 3\n1 B 2<\/strong><\/pre>\n\n
Aanvullende bronnen<\/strong><\/span><\/h3>\n
Een functie toepassen op Panda’s Groupby<\/a>
Hoe u een staafdiagram kunt maken vanuit Pandas GroupBy<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"