<\/p>\n
Podczas korzystania z funkcji pandas groupby()<\/strong> do grupowania wed\u0142ug jednej kolumny i obliczania \u015bredniej warto\u015bci innej kolumny, pandy domy\u015blnie ignoruj\u0105 warto\u015bci NaN<\/strong> .<\/span><\/p>\n Je\u015bli zamiast tego chcesz wy\u015bwietli\u0107 NaN<\/strong> , je\u015bli w kolumnie znajduj\u0105 si\u0119 warto\u015bci NaN<\/strong> , mo\u017cesz u\u017cy\u0107 nast\u0119puj\u0105cej podstawowej sk\u0142adni:<\/span><\/p>\n W tym konkretnym przyk\u0142adzie wiersze kolumny DataFrame wed\u0142ug zespo\u0142u<\/strong> zostan\u0105 pogrupowane, a nast\u0119pnie obliczona zostanie \u015brednia warto\u015b\u0107 kolumny punkt\u00f3w<\/strong> bez ignorowania warto\u015bci NaN<\/strong> .<\/span><\/p>\n Poni\u017cszy przyk\u0142ad pokazuje, jak zastosowa\u0107 t\u0119 sk\u0142adni\u0119 w praktyce.<\/span><\/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><\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce u\u017cywamy nast\u0119puj\u0105cej sk\u0142adni do obliczenia \u015bredniej warto\u015bci punkt\u00f3w<\/strong> w podziale na zespo\u0142y<\/strong> :<\/span><\/p>\n Nale\u017cy pami\u0119ta\u0107, \u017ce zwracana jest \u015brednia warto\u015b\u0107 punkt\u00f3w<\/strong> dla ka\u017cdej dru\u017cyny<\/strong> , nawet je\u015bli w kolumnie punkt\u00f3w znajduje si\u0119 warto\u015b\u0107 NaN<\/strong> dla dru\u017cyny A.<\/span><\/span><\/p>\n Domy\u015blnie pandy po prostu ignoruj\u0105 warto\u015b\u0107 NaN<\/strong> podczas obliczania \u015bredniej.<\/span><\/p>\n Je\u015bli zamiast tego chcesz wy\u015bwietli\u0107 NaN<\/strong> jako warto\u015b\u0107 \u015bredni\u0105, je\u015bli rzeczywi\u015bcie wyst\u0119puj\u0105 NaN<\/strong> , mo\u017cesz u\u017cy\u0107 nast\u0119puj\u0105cej sk\u0142adni:<\/span><\/p>\n Nale\u017cy pami\u0119ta\u0107, \u017ce tym razem warto\u015b\u0107 NaN<\/strong> jest zwracana jako \u015brednia warto\u015b\u0107 punktowa dru\u017cyny A.<\/span><\/p>\n U\u017cywaj\u0105c argumentu skipna=False<\/strong> , powiedzieli\u015bmy pandom, aby przy obliczaniu \u015bredniej nie ignorowa\u0142y warto\u015bci NaN<\/strong> .<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak wykonywa\u0107 inne typowe zadania w pandach:<\/span><\/p>\n Jak liczy\u0107 unikalne warto\u015bci za pomoc\u0105 Pandas GroupBy<\/a> Podczas korzystania z funkcji pandas groupby() do grupowania wed\u0142ug jednej kolumny i obliczania \u015bredniej warto\u015bci innej kolumny, pandy domy\u015blnie ignoruj\u0105 warto\u015bci NaN . Je\u015bli zamiast tego chcesz wy\u015bwietli\u0107 NaN , je\u015bli w kolumnie znajduj\u0105 si\u0119 warto\u015bci NaN , mo\u017cesz u\u017cy\u0107 nast\u0119puj\u0105cej podstawowej sk\u0142adni: df. groupby (’ team ’). agg ({’ points ’: lambda x: x. […]<\/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-4312","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"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 Przyk\u0142ad: u\u017cyj pandy groupby() i nie ignoruj NaN<\/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 Dodatkowe zasoby<\/strong><\/span><\/h2>\n
Jak zastosowa\u0107 funkcj\u0119 do Pandas Groupby<\/a>
Jak utworzy\u0107 wykres s\u0142upkowy z Pandas GroupBy<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"