{"id":3198,"date":"2023-07-18T17:44:30","date_gmt":"2023-07-18T17:44:30","guid":{"rendered":"https:\/\/statorials.org\/pl\/transformacja-grupowa-pand\/"},"modified":"2023-07-18T17:44:30","modified_gmt":"2023-07-18T17:44:30","slug":"transformacja-grupowa-pand","status":"publish","type":"post","link":"https:\/\/statorials.org\/pl\/transformacja-grupowa-pand\/","title":{"rendered":"Jak korzysta\u0107 z funkcji groupby() i transform() w pandach"},"content":{"rendered":"

<\/p>\n

\n

Do jednoczesnego u\u017cycia funkcji groupby()<\/strong> i transform()<\/strong> w ramce DataFrame pandy mo\u017cna u\u017cy\u0107 nast\u0119puj\u0105cych metod:<\/span><\/p>\n

Metoda 1: U\u017cyj groupby() i transform() z wbudowan\u0105 funkcj\u0105<\/strong><\/span><\/p>\n

 df[' new<\/span> '] = df. groupby<\/span> (' group_var<\/span> ')[' value_var<\/span> ']. transform<\/span> (' mean<\/span> ')\n<\/strong><\/pre>\n
 Metoda 2: U\u017cyj groupby() i transform() z funkcj\u0105 niestandardow\u0105<\/strong><\/span><\/p>\n
 df[' new<\/span> '] = df. groupby<\/span> (' group_var<\/span> ')[' value_var<\/span> ']. transform<\/span> ( lambda<\/span> x: some function)<\/strong><\/pre>\n
 Poni\u017csze przyk\u0142ady pokazuj\u0105, jak w praktyce u\u017cywa\u0107 ka\u017cdej metody z nast\u0119puj\u0105c\u0105 ramk\u0105 DataFrame pand:<\/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', 'B'],\n                   ' points<\/span> ': [30, 22, 19, 14, 14, 11, 20, 28]})\n\n#view DataFrame\nprint<\/span><\/span> (df)\n\n  team points\n0 to 30\n1 to 22\n2 to 19\n3 to 14\n4 B 14\n5 B 11\n6 B 20\n7 B 28\n<\/b><\/pre>\n
 Przyk\u0142ad 1: U\u017cyj groupby() i transform() z wbudowan\u0105 funkcj\u0105<\/strong><\/span><\/h3>\n
 Poni\u017cszy kod pokazuje, jak u\u017cywa\u0107 funkcji groupby(<\/strong> ) i transform()<\/strong> w celu dodania nowej kolumny do ramki danych o nazwie mean_points:<\/span><\/p>\n
 #create new column called mean_points\ndf[' mean_points<\/span> '] = df. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. transform<\/span> (' mean<\/span> ')\n<\/span>\n#view updated DataFrame\nprint<\/span> (df)\n\n  team points mean_points\n0 to 30 21.25\n1 to 22 21.25\n2 A 19 21.25\n3 to 14 21.25\n4 B 14 18.25\n5 B 11 18.25\n6 B 20 18.25\n7 B 28 18.25<\/span><\/span><\/strong><\/pre>\n
 \u015arednia warto\u015b\u0107 punktowa zawodnik\u00f3w Dru\u017cyny A wynios\u0142a 21,25<\/strong> , a \u015brednia warto\u015b\u0107 punktowa zawodnik\u00f3w Dru\u017cyny B wynios\u0142a 18,25<\/strong> , zatem warto\u015bci te przypisano odpowiednio ka\u017cdemu zawodnikowi w nowej kolumnie.<\/span><\/p>\n
 Zauwa\u017c, \u017ce mo\u017cemy r\u00f3wnie\u017c u\u017cy\u0107 innej wbudowanej funkcji, takiej jak sum(),<\/strong> aby utworzy\u0107 now\u0105 kolumn\u0119 wy\u015bwietlaj\u0105c\u0105 sum\u0119 punkt\u00f3w zdobytych przez ka\u017cd\u0105 dru\u017cyn\u0119:<\/span><\/p>\n
 #create new column called sum_points\ndf[' sum_points<\/span> '] = df. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. transform<\/span> (' sum<\/span> ')\n<\/span>\n#view updated DataFrame\nprint<\/span> (df)\n\n  team points sum_points\n0 to 30 85\n1 to 22 85\n2 A 19 85\n3 to 14 85\n4 B 14 73\n5 B 11 73\n6 B 20 73\n7 B 28 73<\/span><\/span><\/strong><\/pre>\n
 Suma punkt\u00f3w zawodnik\u00f3w dru\u017cyny A wynios\u0142a 85<\/b> , a suma punkt\u00f3w zawodnik\u00f3w dru\u017cyny B wynios\u0142a 73<\/strong> , zatem warto\u015bci te przypisano odpowiednio ka\u017cdemu zawodnikowi w nowej kolumnie.<\/span><\/p>\n
 Przyk\u0142ad 2: U\u017cyj groupby() i transform() z funkcj\u0105 niestandardow\u0105<\/strong><\/span><\/h3>\n
 Poni\u017cszy kod pokazuje, jak u\u017cywa\u0107 funkcji groupby(<\/strong> ) i transform()<\/strong> do tworzenia niestandardowej funkcji, kt\u00f3ra oblicza procent \u0142\u0105cznej liczby punkt\u00f3w zdobytych przez ka\u017cdego gracza w jego dru\u017cynie:<\/span><\/p>\n
 #create new column called percent_of_points\ndf[' percent_of_points<\/span> '] = df. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. transform<\/span> ( lambda<\/span> x:x\/ x.sum<\/span> ())\n<\/span>\n#view updated DataFrame\nprint<\/span> (df)\n\n  team points percent_of_points\n0 A 30 0.352941\n1 A 22 0.258824\n2 A 19 0.223529\n3 A 14 0.164706\n4 B 14 0.191781\n5 B 11 0.150685\n6 B 20 0.273973\n7 B 28 0.383562\n<\/span><\/span><\/strong><\/pre>\n
 Oto jak zinterpretowa\u0107 wynik:<\/span><\/span><\/p>\n