<\/p>\n
Voc\u00ea pode usar a seguinte sintaxe b\u00e1sica para usar a fun\u00e7\u00e3o groupby()<\/strong> com a fun\u00e7\u00e3o diff()<\/strong> em pandas:<\/span><\/p>\n Este exemplo espec\u00edfico classifica as linhas do DataFrame por duas vari\u00e1veis espec\u00edficas, depois as agrupa por group_var1<\/strong> e calcula a diferen\u00e7a entre as linhas na colunavalues_var<\/strong> .<\/span><\/p>\n Observe que fillna(0)<\/strong> diz ao pandas para inserir um zero sempre que o valor da vari\u00e1vel de grupo mudar entre linhas consecutivas no DataFrame.<\/span><\/p>\n O exemplo a seguir mostra como usar essa sintaxe na pr\u00e1tica.<\/span><\/p>\n Suponha que temos o seguinte DataFrame do pandas que cont\u00e9m o total de vendas feitas por duas lojas diferentes em datas diferentes:<\/span><\/p>\n Agora digamos que queremos criar uma nova coluna chamada sales_diff<\/strong> que contenha a diferen\u00e7a dos valores de vendas entre datas consecutivas, agrupadas por loja.<\/span><\/p>\n Podemos usar a seguinte sintaxe para fazer isso:<\/span><\/p>\n A nova coluna sales_diff<\/strong> cont\u00e9m a diferen\u00e7a dos valores de vendas entre datas consecutivas, agrupadas por loja.<\/span><\/p>\n Por exemplo, podemos ver:<\/span><\/p>\n E assim por diante.<\/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> Voc\u00ea pode usar a seguinte sintaxe b\u00e1sica para usar a fun\u00e7\u00e3o groupby() com a fun\u00e7\u00e3o diff() em pandas: df = df. sort_values (by=[‘ group_var1 ‘, ‘ group_var2 ‘]) df[‘ diff ‘] = df. groupby ([‘ group_var1 ‘])[‘ values_var ‘]. diff (). fillna ( 0 ) Este exemplo espec\u00edfico classifica as linhas do DataFrame por duas […]<\/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-3765","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n df = df. sort_values<\/span> (by=[' group_var1<\/span> ', ' group_var2<\/span> '])\n\ndf[' diff<\/span> '] = df. groupby<\/span> ([' group_var1<\/span> '])[' values_var<\/span> ']. diff<\/span> (). fillna<\/span> ( 0<\/span> )\n<\/strong><\/pre>\n Exemplo: como usar groupby com diff no Pandas<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' store<\/span> ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],\n ' date<\/span> ': pd. to_datetime<\/span> (['2022-01-01', '2022-01-02',\n '2022-01-03', '2022-01-04',\n '2022-01-01', '2022-01-02',\n '2022-01-03', '2022-01-04']),\n ' sales<\/span> ': [12, 15, 24, 24, 14, 19, 12, 38]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n blind date sales\n0 A 2022-01-01 12\n1 A 2022-01-02 15\n2 A 2022-01-03 24\n3 A 2022-01-04 24\n4 B 2022-01-01 14\n5 B 2022-01-02 19\n6 B 2022-01-03 12\n7 B 2022-01-04 38<\/b><\/pre>\n #sort DataFrame by store and date\n<\/span>df = df. sort_values<\/span> (by=[' store<\/span> ', ' date<\/span> '])\n\n#create new column that contains difference between sales grouped by store\n<\/span>df[' sales_diff<\/span> '] = df. groupby<\/span> ([' store<\/span> '])[' sales<\/span> ']. diff<\/span> (). fillna<\/span> ( 0<\/span> )\n\n#view update DataFrame\n<\/span>print<\/span> (df)\n\n store date sales sales_diff\n0 A 2022-01-01 12 0.0\n1 A 2022-01-02 15 3.0\n2 A 2022-01-03 24 9.0\n3 A 2022-01-04 24 0.0\n4 B 2022-01-01 14 0.0\n5 B 2022-01-02 19 5.0\n6 B 2022-01-03 12 -7.0\n7 B 2022-01-04 38 26.0\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":"