{"id":4235,"date":"2023-07-12T15:50:28","date_gmt":"2023-07-12T15:50:28","guid":{"rendered":"https:\/\/statorials.org\/nl\/pandas-groeperen-op-gemiddelde-en-standaard\/"},"modified":"2023-07-12T15:50:28","modified_gmt":"2023-07-12T15:50:28","slug":"pandas-groeperen-op-gemiddelde-en-standaard","status":"publish","type":"post","link":"https:\/\/statorials.org\/nl\/pandas-groeperen-op-gemiddelde-en-standaard\/","title":{"rendered":"Panda's: bereken het gemiddelde en de standaard van een kolom in groupby"},"content":{"rendered":"

<\/p>\n

\n

U kunt de volgende syntaxis gebruiken om het gemiddelde en de standaardafwijking van een kolom te berekenen na gebruik van de groupby()-<\/strong> bewerking in panda’s:<\/span><\/p>\n

 df. groupby<\/span> ([' team<\/span> '], as_index= False<\/span> ). agg<\/span> ({' points<\/span> ':[' mean<\/span> ', ' std<\/span> ']})\n<\/strong><\/pre>\n
 Dit specifieke voorbeeld groepeert de rijen van een panda’s DataFrame op de waarde in de kolom Team<\/strong> en berekent vervolgens het gemiddelde en de standaardafwijking van de waarden in de kolom Punten<\/strong> .<\/span><\/p>\n
 Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.<\/span><\/p>\n
 Voorbeeld: Bereken het gemiddelde en de norm van een kolom in Panda’s groupby<\/span><\/strong><\/span><\/h2>\n
 Stel dat we het volgende panda’s DataFrame hebben dat informatie bevat over basketbalspelers van verschillende teams:<\/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', 'C', 'C', 'C'],\n                   ' points<\/span> ': [12, 15, 17, 17, 19, 14, 15, 20, 24, 28],\n                   ' assists<\/span> ': [5, 5, 7, 9, 10, 14, 13, 8, 2, 7]})\n                            \n#view DataFrame\n<\/span>print<\/span> (df)\n\n  team points assists\n0 to 12 5\n1 to 15 5\n2 To 17 7\n3 To 17 9\n4 B 19 10\n5 B 14 14\n6 B 15 13\n7 C 20 8\n8 C 24 2\n9 C 28 7\n<\/b><\/pre>\n
 We kunnen de volgende syntaxis gebruiken om het gemiddelde en de standaardafwijking van de waarden in de puntenkolom<\/strong> te berekenen, gegroepeerd op de teamkolom<\/strong> :<\/span><\/span><\/p>\n
 #calculate mean and standard deviation of points, grouped by team<\/span>\noutput = df. groupby<\/span> ([' team<\/span> '], as_index= False<\/span> ). agg<\/span> ({' points<\/span> ':[' mean<\/span> ', ' std<\/span> ']})\n\n#view results<\/span>\nprint<\/span> (output)\n\n  team points          \n         mean std\n0 A 15.25 2.362908\n1 B 16.00 2.645751\n2 C 24.00 4.000000\n<\/strong><\/pre>\n
 Uit het resultaat kunnen we zien:<\/span><\/span><\/p>\n