<\/p>\n
Na linguagem de programa\u00e7\u00e3o R, podemos usar a fun\u00e7\u00e3o mutate()<\/strong> do pacote dplyr<\/strong> para adicionar rapidamente novas colunas a um quadro de dados calculado a partir das colunas existentes.<\/span><\/span><\/p>\n Por exemplo, o c\u00f3digo a seguir mostra como calcular o valor m\u00e9dio de uma coluna espec\u00edfica em R e adicionar esse valor como uma nova coluna em um quadro de dados:<\/span><\/p>\n O equivalente \u00e0 fun\u00e7\u00e3o mutate()<\/strong> em pandas \u00e9 a fun\u00e7\u00e3o transform()<\/strong> .<\/span><\/p>\n O exemplo a seguir mostra como usar esta fun\u00e7\u00e3o na pr\u00e1tica.<\/span><\/p>\n Suponha que temos o seguinte DataFrame do pandas que mostra os pontos marcados por jogadores de basquete de diferentes times:<\/span><\/p>\n Podemos usar a fun\u00e7\u00e3o transform()<\/strong> para adicionar uma nova coluna chamada Mean_points<\/strong> que mostra a m\u00e9dia de pontos marcados por cada equipe:<\/span><\/p>\n O valor m\u00e9dio de pontos dos jogadores do Time A foi de 21,25<\/strong> e o valor m\u00e9dio de pontos dos jogadores do Time B foi de 18,25<\/strong> , portanto esses valores foram atribu\u00eddos de acordo a cada jogador em uma nova coluna.<\/span><\/p>\n Observe que isso corresponde aos resultados obtidos usando a fun\u00e7\u00e3o mutate()<\/strong> no exemplo introdut\u00f3rio.<\/span><\/p>\n \u00c9 importante notar que voc\u00ea tamb\u00e9m pode usar lambda<\/strong> para realizar c\u00e1lculos personalizados na fun\u00e7\u00e3o transform()<\/strong> .<\/span><\/p>\n Por exemplo, o c\u00f3digo a seguir mostra como usar lambda<\/strong> para calcular<\/span> a porcentagem do total de pontos marcados por cada jogador em seu respectivo time:<\/span><\/p>\n Veja como interpretar o resultado:<\/span><\/p>\n E assim por diante.<\/span><\/p>\n Observe que podemos usar o argumento lambda<\/strong> na fun\u00e7\u00e3o transform()<\/strong> para realizar qualquer c\u00e1lculo personalizado que desejarmos.<\/span><\/p>\n Os tutoriais a seguir explicam como realizar outras opera\u00e7\u00f5es comuns em pandas:<\/span><\/p>\n Como realizar uma soma GroupBy no Pandas<\/a> Na linguagem de programa\u00e7\u00e3o R, podemos usar a fun\u00e7\u00e3o mutate() do pacote dplyr para adicionar rapidamente novas colunas a um quadro de dados calculado a partir das colunas existentes. Por exemplo, o c\u00f3digo a seguir mostra como calcular o valor m\u00e9dio de uma coluna espec\u00edfica em R e adicionar esse valor como uma nova coluna […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-3565","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n library<\/span> (dplyr)\n\n#create data frame\n<\/span>df <- data. frame<\/span> (team=c('A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'),\n points=c(30, 22, 19, 14, 14, 11, 20, 28))\n\n#add new column that shows mean points by team\n<\/span>df <- df %>%\n group_by(team) %>%\n mutate(mean_points = mean(points))\n\n#view updated data frame\n<\/span>df\n\n team points mean_points \n1 to 30 21.2\n2 A 22 21.2\n3 A 19 21.2\n4 A 14 21.2\n5 B 14 18.2\n6 B 11 18.2\n7 B 20 18.2\n8 B 28 18.2\n<\/strong><\/pre>\n Exemplo: usando transform() em pandas para replicar mutate() em R<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\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]})<\/span>\n\n#view DataFrame\nprint<\/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<\/span><\/span><\/strong><\/pre>\n #add new column to DataFrame that shows mean points by team\n<\/span>df[' mean_points<\/span> '] = df. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. transform<\/span> (' mean<\/span> ')\n\n#view updated DataFrame\n<\/span>print<\/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\n<\/strong><\/pre>\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\n
Recursos adicionais<\/strong><\/span><\/h2>\n
Como usar Groupby e Plot no Pandas<\/a>
Como contar valores \u00fanicos usando GroupBy no Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"