<\/p>\n
Freq\u00fcentemente, voc\u00ea pode querer agrupar e agregar v\u00e1rias colunas de um DataFrame do pandas.<\/span><\/p>\n Felizmente, isso \u00e9 f\u00e1cil de fazer usando as fun\u00e7\u00f5es .groupby()<\/a> e .agg()<\/a> do pandas.<\/span><\/p>\n Este tutorial explica v\u00e1rios exemplos de uso pr\u00e1tico dessas fun\u00e7\u00f5es.<\/span><\/p>\n Suponha que temos o seguinte DataFrame do pandas:<\/span><\/p>\n O c\u00f3digo a seguir mostra como agrupar por colunas \u201cequipe\u201d e \u201cposi\u00e7\u00e3o\u201d e encontrar a m\u00e9dia de passes:<\/span><\/p>\n A sa\u00edda nos diz:<\/span><\/p>\n E assim por diante.<\/span><\/p>\n Tamb\u00e9m podemos usar o seguinte c\u00f3digo para renomear as colunas do DataFrame resultante:<\/span><\/p>\n Vamos supor que estamos usando o mesmo DataFrame do pandas do exemplo anterior:<\/span><\/p>\n O c\u00f3digo a seguir mostra como encontrar a mediana e o n\u00famero m\u00e1ximo de rebotes, agrupados nas colunas \u201cequipe\u201d e \u201cposi\u00e7\u00e3o\u201d:<\/span><\/p>\n A sa\u00edda nos diz:<\/span><\/p>\n E assim por diante.<\/span><\/p>\n Como filtrar um DataFrame do Pandas em m\u00faltiplas condi\u00e7\u00f5es<\/a> Freq\u00fcentemente, voc\u00ea pode querer agrupar e agregar v\u00e1rias colunas de um DataFrame do pandas. Felizmente, isso \u00e9 f\u00e1cil de fazer usando as fun\u00e7\u00f5es .groupby() e .agg() do pandas. Este tutorial explica v\u00e1rios exemplos de uso pr\u00e1tico dessas fun\u00e7\u00f5es. Exemplo 1: Agrupe por duas colunas e encontre a m\u00e9dia Suponha que temos o seguinte DataFrame do […]<\/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-983","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n Exemplo 1: Agrupe por duas colunas e encontre a m\u00e9dia<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd.DataFrame({'team': ['A', 'B', 'B', 'B', 'B', 'M', 'M', 'M'],\n 'position': ['G', 'G', 'F', 'G', 'F', 'F', 'C', 'C'],\n 'assists': [5, 7, 7, 8, 5, 7, 6, 9],\n 'rebounds': [11, 8, 10, 6, 6, 9, 6, 10]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team position assists rebounds\n0 AG 5 11\n1 BG 7 8\n2 BF 7 10\n3 BG 8 6\n4 BF 5 6\n5 MF 7 9\n6 MC 6 6\n7 MC 9 10\n<\/strong><\/pre>\n df. groupby<\/span> (['team', 'position']). agg<\/span> ({'assists': ['mean']}). reset_index<\/span> ()\n\n\n team position assists\n mean\n0 A G 5.0\n1 B F 6.0\n2 B G 7.5\n3 M C 7.5\n4M F 7.0\n<\/strong><\/pre>\n\n
#group by team and position and find mean assists<\/span>\nnew = df. groupby<\/span> (['team', 'position']). agg<\/span> ({'assists': ['mean']}). reset_index<\/span> ()\n\n#rename columns<\/span>\nnew.columns = ['team', 'pos', 'mean_assists']\n\n#view DataFrame<\/span>\nprint<\/span> (new)\n\n\tteam pos mean_assists\n0 A G 5.0\n1 B F 6.0\n2 B G 7.5\n3 M C 7.5\n4M F 7.0<\/strong><\/pre>\n Exemplo 2: Agrupar por duas colunas e encontrar m\u00faltiplas estat\u00edsticas<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame<\/span>\ndf = pd.DataFrame({'team': ['A', 'B', 'B', 'B', 'B', 'M', 'M', 'M'],\n 'position': ['G', 'G', 'F', 'G', 'F', 'F', 'C', 'C'],\n 'assists': [5, 7, 7, 8, 5, 7, 6, 9],\n 'rebounds': [11, 8, 10, 6, 6, 9, 6, 10]})<\/strong><\/pre>\n df. groupby<\/span> (['team', 'position']). agg<\/span> ({'rebounds': ['median', 'max']}). reset_index<\/span> ()\n\n\n team position rebounds\n median max\n0 A G 11 11\n1 B F 8 10\n2 B G 7 8\n3 M C 8 10\n4 M F 9 9\n<\/strong><\/pre>\n\n
Recursos adicionais<\/strong><\/span><\/h3>\n
Como contar valores ausentes em um DataFrame do Pandas<\/a>
Como empilhar v\u00e1rios DataFrames Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"