<\/p>\n
Wanneer u de functie pandas groupby()<\/strong> gebruikt om op \u00e9\u00e9n kolom te groeperen en de gemiddelde waarde van een andere kolom te berekenen, negeren panda’s standaard de NaN-<\/strong> waarden.<\/span><\/p>\n Als u in plaats daarvan NaN<\/strong> wilt weergeven als er NaN-<\/strong> waarden in een kolom aanwezig zijn, kunt u de volgende basissyntaxis gebruiken:<\/span><\/p>\n In dit specifieke voorbeeld worden de rijen van de DataFrame op Team-<\/strong> kolom gegroepeerd en wordt vervolgens de gemiddelde waarde van de puntenkolom<\/strong> berekend zonder de NaN-<\/strong> waarden te negeren.<\/span><\/p>\n Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.<\/span><\/span><\/p>\n Stel dat we het volgende panda’s DataFrame hebben dat informatie bevat over verschillende basketbalspelers:<\/span><\/span><\/p>\n Stel dat we de volgende syntaxis gebruiken om de gemiddelde puntwaarde<\/strong> te berekenen, gegroepeerd per team<\/strong> :<\/span><\/p>\n Houd er rekening mee dat de gemiddelde puntenwaarde<\/strong> voor elk team<\/strong> wordt geretourneerd, zelfs als er een NaN-<\/strong> waarde voor team A in de puntenkolom staat.<\/span><\/span><\/p>\n Standaard negeren panda’s eenvoudigweg de NaN-<\/strong> waarde bij het berekenen van het gemiddelde.<\/span><\/p>\n Als u in plaats daarvan NaN<\/strong> als gemiddelde waarde wilt weergeven als er inderdaad NaN’s<\/strong> aanwezig zijn, kunt u de volgende syntaxis gebruiken:<\/span><\/p>\n Houd er rekening mee dat er deze keer een NaN-<\/strong> waarde wordt geretourneerd als de gemiddelde puntwaarde voor team A.<\/span><\/p>\n Door het argument skipna=False<\/strong> te gebruiken, hebben we panda’s verteld de NaN-<\/strong> waarden niet te negeren bij het berekenen van het gemiddelde.<\/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> Wanneer u de functie pandas groupby() gebruikt om op \u00e9\u00e9n kolom te groeperen en de gemiddelde waarde van een andere kolom te berekenen, negeren panda’s standaard de NaN- waarden. Als u in plaats daarvan NaN wilt weergeven als er NaN- waarden in een kolom aanwezig zijn, kunt u de volgende basissyntaxis gebruiken: df. groupby (‚ […]<\/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-4314","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n df. groupby<\/span> (' team<\/span> '). agg<\/span> ({' points<\/span> ': lambda<\/span> x: x. mean<\/span> (skipna= False<\/span> )})\n<\/strong><\/pre>\n Voorbeeld: gebruik panda’s groupby() en negeer NaN’s niet<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'],\n ' points<\/span> ': [15, np.nan, 24, 25, 20, 35, 34, 19, 14, 12]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points\n0 to 15.0\n1 A NaN\n2 A 24.0\n3 A 25.0\n4 A 20.0\n5 B 35.0\n6 B 34.0\n7B 19.0\n8B 14.0\n9B 12.0<\/span><\/span><\/strong><\/pre>\n #calculate mean of points, grouped by team\n<\/span>df. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. mean<\/span> ()\n\nteam\nAt 21.0\nB 22.8\nName: points, dtype: float64<\/span><\/span><\/strong><\/pre>\n #calculate mean points value grouped by team and don't ignore NaNs<\/span>\ndf. groupby<\/span> (' team<\/span> '). agg<\/span> ({' points<\/span> ': lambda<\/span> x: x. mean<\/span> (skipna= False<\/span> )})\n\n points\nteam\t\nTo NaN\nB 22.8\n<\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h2>\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":"