<\/p>\n
U kunt de volgende methoden gebruiken om een specifieke groep op te halen na gebruik van de groupby()<\/strong> functie op een pandas DataFrame:<\/span><\/p>\n Methode 1: Haal de groep op na het gebruik van groupby()<\/strong><\/span><\/p>\n Methode 2: specifieke kolommen uit groep ophalen na gebruik van groupby()<\/strong><\/span><\/p>\n De volgende voorbeelden laten zien hoe u elke methode in de praktijk kunt gebruiken met de volgende panda’s DataFrame:<\/span><\/p>\n De volgende code laat zien hoe u de functie groupby(<\/strong> ) gebruikt om rijen te groeperen op winkelnaam, en vervolgens de functie get_group()<\/strong> gebruikt om alle rijen op te halen die tot de groep behoren met groepsnaam „A“:<\/span><\/p>\n Merk op dat get_group()<\/strong> alle rijen retourneert die behoren tot de groep met groepsnaam „A“.<\/span><\/span><\/p>\n De volgende code laat zien hoe u de functie groupby(<\/strong> ) gebruikt om rijen te groeperen op winkelnaam, en vervolgens de functie get_group()<\/strong> gebruikt om alle rijen op te halen die behoren tot de groep met groepsnaam \u201cA\u201d, alleen voor de kolommen \u201cverkoop\u201d en \u201cRestituties\u201d :<\/span><\/p>\n Houd er rekening mee dat get_group()<\/strong> alleen alle rijen retourneert die tot de groep behoren met groepsnaam „A“ voor de kolommen „verkoop“ en „restituties“.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende bewerkingen in panda’s kunt uitvoeren:<\/span><\/p>\n Hoe u een GroupBy-som uitvoert in Pandas<\/a> U kunt de volgende methoden gebruiken om een specifieke groep op te halen na gebruik van de groupby() functie op een pandas DataFrame: Methode 1: Haal de groep op na het gebruik van groupby() grouped_df. get_group (‚ A ‚) Methode 2: specifieke kolommen uit groep ophalen na gebruik van groupby() grouped_df[[‚ column1 ‚, ‚ column3 […]<\/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-3767","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n grouped_df. get_group<\/span> (' A<\/span> ')\n<\/strong><\/pre>\n grouped_df[[' column1<\/span> ', ' column3<\/span> ']]. get_group<\/span> (' A<\/span> ')<\/strong><\/pre>\n import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' store<\/span> ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],\n ' sales<\/span> ': [12, 15, 24, 24, 14, 19, 12, 38],\n ' refunds<\/span> ': [4, 8, 7, 7, 10, 5, 4, 11]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n store sales refunds\n0 to 12 4\n1 to 15 8\n2 to 24 7\n3 to 24 7\n4 B 14 10\n5 B 19 5\n6 B 12 4\n7 B 38 11<\/b><\/pre>\n Voorbeeld 1: Haal een groep op na het gebruik van groupby()<\/strong><\/span><\/h2>\n
#group rows of DataFrame based on value in 'store' column\ngrouped_stores = df. groupby<\/span> ([' store<\/span> '])\n\n#get all rows that belong to group name 'A'\n<\/span>grouped_stores. get_group<\/span> (' A<\/span> ')\n\n store sales refunds\n0 to 12 4\n1 to 15 8\n2 to 24 7\n3 to 24 7\n<\/span><\/span><\/strong><\/pre>\n Voorbeeld 2: specifieke kolommen uit groep ophalen na gebruik van groupby()<\/strong><\/span><\/h2>\n
#group rows of DataFrame based on value in 'store' column\ngrouped_stores = df. groupby<\/span> ([' store<\/span> '])\n\n#get all rows that belong to group name 'A' for sales and refunds columns\n<\/span>grouped_stores[[' store<\/span> ', ' refunds<\/span> ']]. get_group<\/span> (' A<\/span> ')\n\n store refunds\n0 to 4\n1 to 8\n2 to 7\n3 to 7\n<\/span><\/span><\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h2>\n
Groupby en Plot gebruiken in Panda’s<\/a>
Hoe unieke waarden te tellen met GroupBy in Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"