Wie berechnet man mit Pandas GroupBy die gesamten Obsteinkäufe nach Namen?

Berechnung der Fruchtsummen nach Namen mit Pandas Group-By Sum

Gruppierung und Aggregation sind wesentliche Vorgänge bei der Arbeit mit Daten. Pandas bietet eine leistungsstarke GroupBy-Funktion, die diese Prozesse vereinfacht.

Betrachten Sie den folgenden DataFrame, in dem Sie die Gesamtzahl der von jedem Namen gekauften Früchte berechnen möchten:

Fruit   Date      Name  Number
Apples  10/6/2016 Bob    7
Apples  10/6/2016 Bob    8
Apples  10/6/2016 Mike   9
Apples  10/7/2016 Steve 10
Apples  10/7/2016 Bob    1
Oranges 10/7/2016 Bob    2
Oranges 10/6/2016 Tom   15
Oranges 10/6/2016 Mike  57
Oranges 10/6/2016 Bob   65
Oranges 10/7/2016 Tony   1
Grapes  10/7/2016 Bob    1
Grapes  10/7/2016 Tom   87
Grapes  10/7/2016 Bob   22
Grapes  10/7/2016 Bob   12
Grapes  10/7/2016 Tony  15

Um dies zu erreichen, haben wir Sie können die GroupBy-Funktion verwenden, um den DataFrame sowohl nach „Name“ als auch nach „Frucht“ zu gruppieren:

df.groupby(['Name', 'Fruit'])

Dies gruppiert jedoch nur die Daten ohne Leistung irgendwelche Aggregationen. Um die Summe von „Number“ für jede Gruppe zu berechnen, können wir sum() verwenden:

df.groupby(['Name', 'Fruit']).sum()

Dies gibt einen neuen DataFrame mit einem hierarchischen Index aus, wobei die erste Ebene „Name“ entspricht und die zweite Ebene entspricht „Frucht“. Die Spalte „Anzahl“ enthält die Summe für jede Gruppe:

              Number
Name   Fruit     
Bob    Apples      16
       Grapes      35
       Oranges     67
Mike   Apples       9
       Oranges     57
Steve  Apples      10
Tom    Grapes      87
       Oranges     15
Tony   Grapes      15
       Oranges      1

Dies gibt uns das gewünschte Ergebnis und zeigt die Gesamtzahl der von jedem Namen gekauften Früchte.

Das obige ist der detaillierte Inhalt vonWie berechnet man mit Pandas GroupBy die gesamten Obsteinkäufe nach Namen?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!