<\/p>\n
Mo\u017cesz u\u017cy\u0107 argumentu aggfunc<\/b> w funkcji pandy crosstab()<\/strong> , aby utworzy\u0107 tabel\u0119 przestawn\u0105, kt\u00f3ra agreguje warto\u015bci przy u\u017cyciu okre\u015blonej metryki:<\/span><\/p>\n Domy\u015bln\u0105 warto\u015bci\u0105 aggfunc<\/strong> jest \u201ecount\u201d, ale mo\u017cesz okre\u015bli\u0107 inne metody agregacji, takie jak \u015brednia, mediana, suma, min, max itp.<\/span><\/p>\n W argumencie aggfunc<\/strong> mo\u017cesz tak\u017ce okre\u015bli\u0107 wiele metod agregacji:<\/span><\/p>\n Poni\u017csze przyk\u0142ady pokazuj\u0105, jak w praktyce u\u017cywa\u0107 ka\u017cdej z tych metod z nast\u0119puj\u0105c\u0105 ramk\u0105 DataFrame pand:<\/span><\/p>\n Mo\u017cemy u\u017cy\u0107 nast\u0119puj\u0105cej funkcji crosstab()<\/strong> z argumentem aggfunc=’mean’<\/strong> , aby utworzy\u0107 tabel\u0119 przestawn\u0105 wy\u015bwietlaj\u0105c\u0105 \u015bredni\u0105 warto\u015b\u0107 punkt\u00f3w dla ka\u017cdej pozycji i kombinacji dru\u017cyn:<\/span><\/p>\n Oto jak zinterpretowa\u0107 wynik:<\/span><\/p>\n I tak dalej.<\/span><\/p>\n Mo\u017cemy r\u00f3wnie\u017c u\u017cy\u0107 innej metryki agregacji, takiej jak warto\u015b\u0107 maksymalna:<\/span><\/p>\n Oto jak zinterpretowa\u0107 wynik:<\/span><\/p>\n I tak dalej.<\/span><\/p>\n Mo\u017cemy u\u017cy\u0107 funkcji crosstab()<\/strong> z wieloma warto\u015bciami w argumencie aggfunc<\/strong> , aby zagregowa\u0107 warto\u015bci punktowe wed\u0142ug wielu metryk dla ka\u017cdej pozycji i kombinacji zespo\u0142u:<\/span><\/p>\n Oto jak zinterpretowa\u0107 wynik:<\/span><\/p>\n I tak dalej.<\/span><\/p>\n Uwaga<\/strong> : pe\u0142n\u0105 dokumentacj\u0119 funkcji crosstab()<\/strong> pandy mo\u017cna znale\u017a\u0107 tutaj<\/a> .<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak wykonywa\u0107 inne typowe zadania zwi\u0105zane z pand\u0105:<\/span><\/p>\n Pandy: Jak utworzy\u0107 tabel\u0119 przestawn\u0105 z warto\u015bciami procentowymi<\/a> Mo\u017cesz u\u017cy\u0107 argumentu aggfunc w funkcji pandy crosstab() , aby utworzy\u0107 tabel\u0119 przestawn\u0105, kt\u00f3ra agreguje warto\u015bci przy u\u017cyciu okre\u015blonej metryki: p.d. crosstab (index=df. col1 , columns=df. col2 , values=df. col3 , aggfunc=’ count ’) Domy\u015bln\u0105 warto\u015bci\u0105 aggfunc jest \u201ecount\u201d, ale mo\u017cesz okre\u015bli\u0107 inne metody agregacji, takie jak \u015brednia, mediana, suma, min, max itp. W argumencie […]<\/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-4306","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n p.d. crosstab<\/span> (index=df. col1<\/span> , columns=df. col2<\/span> , values=df. col3<\/span> , aggfunc=' count<\/span> ')\n<\/strong><\/pre>\n p.d. crosstab<\/span> (index=df. col1<\/span> , columns=df. col2<\/span> , values=df. col3<\/span> , aggfunc=[' min<\/span> ', ' max<\/span> '])<\/strong><\/pre>\n import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'A', 'A', 'B', 'B', 'B', 'B', 'C', 'C', 'C', 'C '],\n ' position<\/span> ':['G', 'G', 'F', 'G', 'F', 'F', 'F', 'G', 'G', 'F', 'F'],\n ' points<\/span> ': [22, 25, 24, 39, 34, 20, 18, 17, 20, 19, 22]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team position points\n0 AG 22\n1 AG 25\n2 AF 24\n3 BG 39\n4 BF 34\n5 BF 20\n6 BF 18\n7 GC 17\n8 GC 20\n9 CF 19\n10 CF 22<\/strong>\n<\/pre>\n Przyk\u0142ad 1: Utw\u00f3rz tabel\u0119 przestawn\u0105 z warto\u015bci\u0105 w aggfunc<\/strong><\/span><\/h2>\n
#create crosstab that displays mean points value by team and position\n<\/span><\/span>p.d. crosstab<\/span> (index=df. team<\/span> , columns=df. position<\/span> , values=df. points<\/span> , aggfunc=' mean<\/span> ')\n\nposition F G\nteam\t\t\nA 24.0 23.5\nB 24.0 39.0\nC 20.5 18.5\n<\/strong><\/pre>\n\n
#create crosstab that displays max points value by team and position\n<\/span><\/span>p.d. crosstab<\/span> (index=df. team<\/span> , columns=df. position<\/span> , values=df. points<\/span> , aggfunc=' max<\/span> ')\n\n\nposition F G\nteam\t\t\nAt 24 25\nB 34 39\nC 22 20\n<\/strong><\/pre>\n\n
Przyk\u0142ad 2:<\/strong><\/span> Utw\u00f3rz tabel\u0119 przestawn\u0105 z wieloma warto\u015bciami w aggfunc<\/strong><\/span><\/h2>\n
#create crosstab that displays min and max points by team and position\n<\/span><\/span>p.d. crosstab<\/span> (df. team<\/span> , df. position<\/span> , df. points<\/span> , aggfunc=[' min<\/span> ', ' max<\/span> ']) \n\n\t min max\nposition F G F G\nteam\t\t\t\t\nA 24 22 24 25\nB 18 39 34 39\nC 19 17 22 20\n<\/strong><\/pre>\n\n
Dodatkowe zasoby<\/strong><\/span><\/h2>\n
Pandy: Jak korzysta\u0107 z GroupBy i liczenia warto\u015bci<\/a>
Pandy: Jak korzysta\u0107 z GroupBy z liczb\u0105 pojemnik\u00f3w<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"