<\/p>\n
U kunt de functie beschrijven()<\/strong> gebruiken om beschrijvende statistieken te genereren voor variabelen in een pandas DataFrame.<\/span><\/p>\n U kunt de volgende basissyntaxis gebruiken om de functie beschrijven()<\/strong> te gebruiken met de functie groupby()<\/strong> in panda’s:<\/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 basketbalspelers van twee verschillende teams:<\/span><\/p>\n We kunnen de functie beschrijven()<\/strong> gebruiken met de functie groupby()<\/strong> om de waarden in de puntenkolom<\/strong> voor elk team<\/strong> samen te vatten:<\/span><\/p>\n Uit het resultaat kunnen we de volgende waarden zien voor de puntenvariabele<\/strong> voor elk team:<\/span><\/p>\n Als u wilt dat de resultaten worden weergegeven in DataFrame-indeling, kunt u het argument reset_index()<\/strong> gebruiken:<\/span><\/p>\n De teamvariabele<\/strong> is nu een kolom in het DataFrame en de indexwaarden zijn 0 en 1.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende bewerkingen in panda’s kunt uitvoeren:<\/span><\/p>\n Panda’s: hoe bereken je de cumulatieve som per groep<\/a> U kunt de functie beschrijven() gebruiken om beschrijvende statistieken te genereren voor variabelen in een pandas DataFrame. U kunt de volgende basissyntaxis gebruiken om de functie beschrijven() te gebruiken met de functie groupby() in panda’s: df. groupby (‚ group_var ‚)[‚ values_var ‚]. describe () Het volgende voorbeeld laat zien hoe u deze syntaxis in de […]<\/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-3577","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n df. groupby<\/span> (' group_var<\/span> ')[' values_var<\/span> ']. describe<\/span> ()\n<\/strong><\/span><\/pre>\n Voorbeeld: gebruik beschrijven() per groep in Panda’s<\/strong><\/span><\/h2>\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> ': [8, 12, 14, 14, 15, 22, 27, 24],\n ' assists<\/span> ':[2, 2, 3, 5, 7, 6, 8, 12]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points assists\n0 to 8 2\n1 to 12 2\n2 to 14 3\n3 to 14 5\n4 B 15 7\n5 B 22 6\n6 B 27 8\n7 B 24 12<\/strong><\/span><\/pre>\n #summarize points by team\ndf. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. describe<\/span> ()\n<\/span>\n<\/span>count mean std min 25% 50% 75% max\nteam\t\t\t\t\t\t\t\t\nA 4.0 12.0 2.828427 8.0 11.00 13.0 14.00 14.0\nB 4.0 22.0 5.099020 15.0 20.25 23.0 24.75 27.0<\/strong><\/pre>\n\n
#summarize points by team\ndf. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. describe<\/span> (). reset_index<\/span> ()<\/span><\/span><\/strong>\n\n team count mean std min 25% 50% 75% max\n0 A 4.0 12.0 2.828427 8.0 11.00 13.0 14.00 14.0\n1 B 4.0 22.0 5.099020 15.0 20.25 23.0 24.75 27.0\n<\/strong><\/span><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h2>\n
Panda’s: unieke waarden per groep tellen<\/a>
Panda’s: hoe de correlatie per groep te berekenen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"