Pandas : comment regrouper et agréger sur plusieurs colonnes

Souvent, vous souhaiterez peut-être regrouper et agréger plusieurs colonnes d’un DataFrame pandas.

Heureusement, cela est facile à faire en utilisant les fonctions pandas .groupby() et .agg() .

Ce tutoriel explique plusieurs exemples d’utilisation pratique de ces fonctions.

Exemple 1 : regrouper par deux colonnes et rechercher la moyenne

Supposons que nous ayons le DataFrame pandas suivant :

import pandas as pd

#create DataFrame
df = pd.DataFrame({'team': ['A', 'B', 'B', 'B', 'B', 'M', 'M', 'M'],
                   'position': ['G', 'G', 'F', 'G', 'F', 'F', 'C', 'C'],
                   'assists': [5, 7, 7, 8, 5, 7, 6, 9],
                   'rebounds': [11, 8, 10, 6, 6, 9, 6, 10]})

#view DataFrame
print(df)

  team position  assists  rebounds
0    A        G        5        11
1    B        G        7         8
2    B        F        7        10
3    B        G        8         6
4    B        F        5         6
5    M        F        7         9
6    M        C        6         6
7    M        C        9        10

Le code suivant montre comment regrouper par colonnes « équipe » et « position » et trouver les passes moyennes :

df.groupby(['team', 'position']).agg({'assists': ['mean']}).reset_index()


        team	position  assists
                          mean
0	A	G	  5.0
1	B	F	  6.0
2	B	G	  7.5
3	M	C	  7.5
4	M	F	  7.0

La sortie nous dit :

• La moyenne des passes décisives pour les joueurs en position G de l’équipe A est de 5,0 .
• La moyenne des passes décisives pour les joueurs en position F dans l’équipe B est de 6,0 .
• La moyenne des passes décisives pour les joueurs en position G de l’équipe B est de 7,5 .

Et ainsi de suite.

Nous pouvons également utiliser le code suivant pour renommer les colonnes du DataFrame résultant :

#group by team and position and find mean assists
new = df.groupby(['team', 'position']).agg({'assists': ['mean']}).reset_index()

#rename columns 
new.columns = ['team', 'pos', 'mean_assists']

#view DataFrame
print(new)

	team	pos	mean_assists
0	A	G	5.0
1	B	F	6.0
2	B	G	7.5
3	M	C	7.5
4	M	F	7.0

Exemple 2 : regrouper par deux colonnes et rechercher plusieurs statistiques

Supposons que nous utilisons le même DataFrame pandas que l’exemple précédent :

import pandas as pd

#create DataFrame
df = pd.DataFrame({'team': ['A', 'B', 'B', 'B', 'B', 'M', 'M', 'M'],
                   'position': ['G', 'G', 'F', 'G', 'F', 'F', 'C', 'C'],
                   'assists': [5, 7, 7, 8, 5, 7, 6, 9],
                   'rebounds': [11, 8, 10, 6, 6, 9, 6, 10]})

Le code suivant montre comment trouver le nombre médian et maximum de rebonds, regroupés dans les colonnes « équipe » et « position » :

df.groupby(['team', 'position']).agg({'rebounds': ['median', 'max']}).reset_index()


        team	position	rebounds
                         median	max
0	A	G	 11	11
1	B	F	 8	10
2	B	G	 7	8
3	M	C	 8	10
4	M	F	 9	9

La sortie nous dit :

• La médiane des rebonds pour les joueurs en position G de l’équipe A est de 11 .
• Le maximum de rebonds pour les joueurs en position G de l’équipe A est de 11 .
• La médiane des rebonds des joueurs en position F de l’équipe B est de 8 .
• Le maximum de rebonds pour les joueurs en position F de l’équipe B est de 10 .

Et ainsi de suite.

Ressources additionnelles

Comment filtrer un DataFrame Pandas sur plusieurs conditions
Comment compter les valeurs manquantes dans un DataFrame Pandas
Comment empiler plusieurs DataFrames Pandas