Pandas: วิธีใช้ as_index ใน groupby

คุณสามารถใช้อาร์กิวเมนต์ as_index ในการดำเนินการ pandas groupby() เพื่อระบุว่าคุณต้องการให้คอลัมน์ที่คุณจัดกลุ่มไว้ใช้เป็นดัชนีของเอาต์พุตหรือไม่

อาร์กิวเมนต์ as_index สามารถเป็น True หรือ False

ค่าเริ่มต้นคือ True

ตัวอย่างต่อไปนี้แสดงวิธีการใช้อาร์กิวเมนต์ as_index ในทางปฏิบัติ

ตัวอย่าง: วิธีใช้ as_index ใน pandas groupby

สมมติว่าเรามี DataFrame แพนด้าต่อไปนี้ซึ่งแสดงจำนวนคะแนนที่ผู้เล่นบาสเก็ตบอลจากทีมต่างๆ ทำไว้:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'C', 'C', 'C'],
                   ' points ': [12, 15, 17, 17, 19, 14, 15, 20, 24, 28]})
                            
#view DataFrame
print (df)

  team points
0 to 12
1 to 15
2 to 17
3 to 17
4 to 19
5 B 14
6 B 15
7 C 20
8 C 24
9 C 28

เราสามารถใช้ไวยากรณ์ต่อไปนี้เพื่อจัดกลุ่มแถวตามคอลัมน์ ทีม และคำนวณผลรวมคอลัมน์ คะแนน ในขณะที่ระบุ as_index=True เพื่อใช้ ทีม เป็นดัชนีผลลัพธ์:

 #group rows by team and calculate sum of points
print ( df.groupby (' team ', as_index= True ) .sum ())

points
team        
At 80
B29
C 72

ผลลัพธ์จะแสดงผลรวมของค่าในคอลัมน์ คะแนน โดยจัดกลุ่มตามค่าในคอลัมน์ ทีม

โปรดทราบว่าคอลัมน์ ทีม ถูกใช้เป็นดัชนีของเอาต์พุต

หากเราระบุ as_index=False แทน คอลัมน์ ทีม จะไม่ถูกใช้เป็นดัชนีเอาต์พุต:

 #group rows by team and calculate sum of points
print ( df.groupby (' team ', as_index= False ) .sum ())

  team points
0 to 80
1 B 29
2 C 72

โปรดทราบว่าขณะนี้ ทีม ถูกใช้เป็นคอลัมน์ในเอาต์พุต และคอลัมน์ดัชนีจะมีหมายเลขเพียง 0-2

หมายเหตุ : คุณสามารถดูเอกสารฉบับเต็มของการดำเนินการ pandas groupby() ได้ที่นี่

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้จะอธิบายวิธีดำเนินการทั่วไปอื่น ๆ ในแพนด้า:

วิธีรับกลุ่มหลังจากใช้ Pandas Groupby
วิธีแปลงเอาต์พุต Pandas GroupBy เป็น DataFrame
วิธีใช้ฟังก์ชันกับ Pandas Groupby