<\/p>\n
U kunt de volgende basissyntaxis gebruiken om de naam van kolommen in een groupby()<\/strong> -functie in panda’s te wijzigen:<\/span><\/p>\n In dit specifieke voorbeeld worden drie aggregatiekolommen berekend en worden deze sum_col1<\/strong> , Mean_col2<\/strong> en max_col3<\/strong> genoemd.<\/span><\/p>\n Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.<\/span><\/p>\n Stel dat we de volgende panda’s DataFrame hebben:<\/span><\/p>\n We kunnen de volgende syntaxis gebruiken om rijen te groeperen op teamkolom<\/strong> en vervolgens drie samengestelde kolommen te berekenen, terwijl we specifieke namen voor de samengestelde kolommen opgeven:<\/span><\/p>\n Houd er rekening mee dat de drie samengevoegde kolommen de aangepaste namen hebben die we hebben opgegeven in de functie agg()<\/strong> .<\/span><\/p>\n Merk ook op dat we de NumPy-functies zouden kunnen gebruiken om de som-, gemiddelde en maximale waarden in de agg()-<\/strong> functie te berekenen als we dat wilden.<\/span><\/p>\n Deze resultaten komen overeen met die van het vorige voorbeeld.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende bewerkingen in panda’s kunt uitvoeren:<\/span><\/p>\n Hoe u alle kolomnamen in Panda’s kunt weergeven<\/a> U kunt de volgende basissyntaxis gebruiken om de naam van kolommen in een groupby() -functie in panda’s te wijzigen: df. groupby (‚ group_col ‚). agg (sum_col1=(‚ col1 ‚, ‚ sum ‚), mean_col2=(‚ col2 ‚, ‚ mean ‚), max_col3=(‚ col3 ‚, ‚ max ‚)) In dit specifieke voorbeeld worden drie aggregatiekolommen berekend en worden deze sum_col1 […]<\/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-3568","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n df. groupby<\/span> (' group_col<\/span> '). agg<\/span> (sum_col1=(' col1<\/span> ', ' sum<\/span> '),\n mean_col2=(' col2<\/span> ', ' mean<\/span> '),\n max_col3=(' col3<\/span> ', ' max<\/span> '))\n<\/strong><\/pre>\n Voorbeeld: hernoem kolommen in de Groupby-functie in Pandas<\/strong><\/span><\/h2>\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 ' points<\/span> ': [30, 22, 19, 14, 14, 11, 20, 28],\n ' assists<\/span> ': [5, 6, 6, 5, 8, 7, 7, 9],\n ' rebounds<\/span> ': [4, 13, 15, 10, 7, 7, 5, 11]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points assists rebounds\n0 to 30 5 4\n1 to 22 6 13\n2 A 19 6 15\n3 A 14 5 10\n4 B 14 8 7\n5 B 11 7 7\n6 B 20 7 5\n7 B 28 9 11\n<\/span><\/span><\/strong><\/pre>\n #calculate several aggregated columns by group and rename aggregated columns\n<\/span>df. groupby<\/span> (' team<\/span> '). agg<\/span> (sum_points=(' points<\/span> ', ' sum<\/span> '),\n mean_assists=(' assists<\/span> ', ' mean<\/span> '),\n max_rebounds=(' rebounds<\/span> ', ' max<\/span> '))\n\n\tsum_points mean_assists max_rebounds\nteam\t\t\t\nA 85 5.50 15\nB 73 7.75 11\n<\/span><\/span><\/strong><\/pre>\n import<\/span> numpy as<\/span> np<\/span>\n\n#calculate several aggregated columns by group and rename aggregated columns\n<\/span>df. groupby<\/span> (' team<\/span> '). agg<\/span> (sum_points=(' points<\/span> ', np. sum<\/span> ),\n mean_assists=(' assists<\/span> ', np. mean<\/span> ),\n max_rebounds=(' rebounds<\/span> ', np. max<\/span> ))\n\n\tsum_points mean_assists max_rebounds\nteam\t\t\t\nA 85 5.50 15\nB 73 7.75 11<\/span><\/span><\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h2>\n
Hoe kolommen op naam te sorteren in Pandas<\/a>
Hoe dubbele kolommen in Pandas te verwijderen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"