パンダを使用してデータの列間統計を実装する方法は？

Pandasでデータ列から統計情報を効率的に実装します

データ分析では、データの柔軟な再編成と統計分析がしばしば必要です。たとえば、日付とタイプを含むデータセットを、1日あたりのさまざまなカウントの統計テーブルに変換します。この記事では、Pandas Libraryを使用してこれを効率的に行う方法を示します。

「日付」（日付）と「タイプ」（タイプ）の2つの列を含むデータフレーム（データフレーム）があり、データの例が次のとおりです。

 <code>date type 2024-01-01 1 2024-01-01 2 2024-01-01 1 2024-01-02 3 2024-01-02 2 2024-01-02 3 2024-01-02 1 2024-01-02 1 2024-01-03 1 2024-01-03 4 2024-01-03 2 2024-01-03 5 ...</code>

目標は、データを次の形式に変換し、各タイプのカウントを毎日に表示することです。

 <code>date type1 type2 type3 type4 type5 2024-01-01 2 1 0 0 0 2024-01-02 2 1 2 0 0 2024-01-03 1 1 0 1 1 ...</code>

Pandasのpd.get_dummies()およびgroupby()機能を使用して、これを達成できます。これがPythonコードです：

 PDとしてパンダをインポートします

＃サンプルデータ= {
    「日付」：['2024-01-01'、 '2024-01-01'、 '2024-01-01'、 '2024-01-02'、 '2024-01-02'、 '2024-01-02'、 '2024-01-02'、 '2024-01-02'、 '2024-02'、 '2024-02'、 '2024-01-03'、 '2024-01-03'、 '2024-01-03']、
    「タイプ」：[1、2、1、3、2、3、1、1、1、4、2、5]
}

df = pd.dataframe（data）

＃df_encoded = pd.get_dummies（df、columns = ['type']、prefix = 'type'）にdf_encoded = pd.get_dummiesにget_dummies（）を使用します。

＃グループ統計にgroupby（）とsum（）を使用してresult = df_encoded.groupby（ 'date'）。sum（）

＃プリント結果印刷（df_encoded）
print（ " - " * 60）
印刷（結果）

コードは最初にpd.get_dummies()を使用して「タイプ」列をダミー変数に変換し、次にgroupby('date').sum()使用して日付をグループ化して各タイプをグループ化してターゲット統計テーブルを取得します。

出力の結果は次のとおりです。

<code> date type_1 type_2 type_3 type_4 type_5 0 2024-01-01 1 0 0 0 0 1 2024-01-01 0 1 0 0 0 2 2024-01-01 1 0 0 0 0 3 2024-01-02 0 0 1 0 0 4 2024-01-02 0 1 0 0 0 5 2024-01-02 0 0 1 0 0 6 2024-01-02 1 0 0 0 0 7 2024-01-02 1 0 0 0 0 8 2024-01-03 1 0 0 0 0 9 2024-01-03 0 0 0 1 0 10 2024-01-03 0 1 0 0 0 11 2024-01-03 0 0 0 0 1 ------------------------------------------------------------ type_1 type_2 type_3 type_4 type_5 date 2024-01-01 2 1 0 0 0 2024-01-02 2 1 2 0 0 2024-01-03 1 1 0 1 1</code>

この簡潔なコードを通じて、Pandas Data Column Conversion Statisticsを簡単に完了して、データ分析の効率を改善できます。

以上がパンダを使用してデータの列間統計を実装する方法は？の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。