<\/p>\n
Mo\u017cesz u\u017cy\u0107 nast\u0119puj\u0105cej podstawowej sk\u0142adni, aby doda\u0107 kolumn\u0119 \u201ecount\u201d do ramki DataFrame pandy:<\/span><\/p>\n Ta konkretna sk\u0142adnia dodaje kolumn\u0119 o nazwie var1_count<\/strong> do DataFrame, kt\u00f3ra zawiera liczb\u0119 warto\u015bci w kolumnie o nazwie var1<\/strong> .<\/span><\/p>\n Poni\u017cszy przyk\u0142ad pokazuje, jak zastosowa\u0107 t\u0119 sk\u0142adni\u0119 w praktyce.<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce mamy nast\u0119puj\u0105c\u0105 ramk\u0119 danych pand, kt\u00f3ra zawiera informacje o r\u00f3\u017cnych koszykarzach:<\/span><\/p>\n Mo\u017cemy u\u017cy\u0107 poni\u017cszego kodu, aby doda\u0107 kolumn\u0119 o nazwie team_count<\/strong> , kt\u00f3ra zawiera liczb\u0119 ka\u017cdego zespo\u0142u:<\/span><\/span><\/p>\n Istniej\u0105 3<\/strong> linie o warto\u015bci zespo\u0142u A i 5<\/strong> linii o warto\u015bci zespo\u0142u B.<\/span><\/p>\n Wi\u0119c:<\/span><\/p>\n Mo\u017cesz tak\u017ce doda\u0107 kolumn\u0119 \u201ekonto\u201d, kt\u00f3ra grupuje kilka zmiennych.<\/span><\/p>\n Na przyk\u0142ad poni\u017cszy kod pokazuje, jak doda\u0107 kolumn\u0119 \u201ecount\u201d, kt\u00f3ra grupuje zmienne zespo\u0142u<\/strong> i pozycji<\/strong> :<\/span><\/p>\n Z wyniku mo\u017cemy zobaczy\u0107:<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak wykonywa\u0107 inne typowe zadania w pandach:<\/span><\/p>\n Pandy: Jak korzysta\u0107 z GroupBy i liczenia warto\u015bci<\/a> Mo\u017cesz u\u017cy\u0107 nast\u0119puj\u0105cej podstawowej sk\u0142adni, aby doda\u0107 kolumn\u0119 \u201ecount\u201d do ramki DataFrame pandy: df[’ var1_count ’] = df. groupby (’ var1 ’)[’ var1 ’]. transform (’ count ’) Ta konkretna sk\u0142adnia dodaje kolumn\u0119 o nazwie var1_count do DataFrame, kt\u00f3ra zawiera liczb\u0119 warto\u015bci w kolumnie o nazwie var1 . Poni\u017cszy przyk\u0142ad pokazuje, jak zastosowa\u0107 t\u0119 sk\u0142adni\u0119 […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-3225","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n df[' var1_count<\/span> '] = df. groupby<\/span> (' var1<\/span> ')[' var1<\/span> ']. transform<\/span> (' count<\/span> ')\n<\/strong><\/pre>\n Przyk\u0142ad: Dodaj kolumn\u0119 liczbow\u0105 w Pandach<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'],\n ' pos<\/span> ': ['Gu', 'Fo', 'Fo', 'Fo', 'Gu', 'Gu', 'Fo', 'Fo'],\n ' points<\/span> ': [18, 22, 19, 14, 14, 11, 20, 28]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team pos points\n0 A Gu 18\n1 A Fo 22\n2 A Fo 19\n3 B Fo 14\n4 B Gu 14\n5 B Gu 11\n6 B Fo 20\n7 B Fo 28<\/strong><\/pre>\n #add column that shows total count of each team\ndf[' team_count<\/span> '] = df. groupby<\/span> (' team<\/span> ')[' team<\/span> ']. transform<\/span> (' count<\/span> ')\n\n#view updated DataFrame\n<\/span>print<\/span> (df)\n\n team pos points team_count\n0 A Gu 18 3\n1 A Fo 22 3\n2 A Fo 19 3\n3 B Fo 14 5\n4 B Gu 14 5\n5 B Gu 11 5\n6 B Fo 20 5\n7 B Fo 28 5<\/span><\/span><\/strong><\/pre>\n\n
#add column that shows total count of each team and position\ndf[' team_pos_count<\/span> '] = df. groupby<\/span> ([' team<\/span> ', ' pos<\/span> ')[' team<\/span> ']. transform<\/span> (' count<\/span> ')\n\n#view updated DataFrame\n<\/span>print<\/span> (df)\n\n team pos points team_pos_count\n0 A Gu 18 1\n1 A Fo 22 2\n2 A Fo 19 2\n3 B Fo 14 3\n4 B Gu 14 2\n5 B Gu 11 2\n6 B Fo 20 3\n7 B Fo 28 3\n<\/span><\/span><\/strong><\/pre>\n\n
Dodatkowe zasoby<\/strong><\/span><\/h3>\n
Pandy: Jak korzysta\u0107 z GroupBy z liczb\u0105 pojemnik\u00f3w<\/a>
Pandy: Jak liczy\u0107 warto\u015bci w kolumnie z warunkiem<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"