Bagaimanakah Pandas GroupBy Boleh Mengira Statistik dan Menyertakan Kiraan Baris untuk Analisis Data?

Dapatkan Statistik untuk Setiap Kumpulan Menggunakan Pandas GroupBy

Apabila melakukan analisis data, selalunya perlu meringkaskan data dan mengira statistik untuk kumpulan pemerhatian . Fungsi GroupBy Pandas menyediakan cara yang mudah untuk melakukan ini.

Untuk mengira statistik kumpulan, hanya gunakan kaedah .groupby() pada DataFrame dan tentukan lajur untuk dikumpulkan mengikut. Kemudian, anda boleh menggunakan kaedah .agg() untuk mengagregat data dalam setiap kumpulan.

Sebagai contoh, kod berikut mengumpulkan data mengikut lajur "col1" dan "col2" dan mengira min:

df['col1', 'col2'].groupby(['col1', 'col2']).mean()

Ini akan mengembalikan DataFrame dengan statistik kumpulan, serupa kepada:

      col3  col4  col5  col6
col1 col2              
A     B    -0.3725  -0.810   0.0325  0.5425
C     D    -0.4766  -0.110   1.3467 -0.6833
E     F     0.4550   0.475  -1.0650  0.0300
G     H     1.4800  -0.630   0.6500  0.1700

Termasuk Kiraan Baris

Menambah kiraan baris pada statistik kumpulan adalah mudah. Anda boleh menggunakan kaedah .size() untuk mengira bilangan baris dalam setiap kumpulan. Contohnya:

df.groupby(['col1', 'col2']).size()

Ini akan mengembalikan Siri dengan kiraan baris, yang kemudiannya boleh anda tambahkan pada DataFrame:

df.groupby(['col1', 'col2']).size().reset_index(name='counts')

Termasuk Berbilang Statistik

Selain min, anda boleh mengira statistik lain seperti median, minimum dan maksimum menggunakan .agg() kaedah. Sebagai contoh, kod berikut mengira min, median dan minimum lajur "col4":

df.groupby(['col1', 'col2']).agg({'col4': ['mean', 'median', 'min']})

Ini akan mengembalikan DataFrame dengan statistik kumpulan, serupa dengan:

            col4                  
          mean median  min
col1 col2                   
A    B  -0.3725 -0.810  -1.32
C    D  -0.4766 -0.110  -1.65
E    F   0.4550  0.475  -0.47
G    H   1.4800 -0.630  -0.63

Pertimbangan Tambahan

• Jika anda ingin mengumpulkan berbilang lajur, gunakan senarai dalam kaedah .groupby().
• Nilai yang tiada boleh memberi kesan kepada pengiraan kumpulan. Panda akan mengecualikan nilai yang hilang semasa pengiraan seperti min dan median.
• Apabila bekerja dengan set data yang besar, pertimbangkan untuk menggunakan kaedah .agg() dengan parameter chunksize untuk meningkatkan prestasi.

Atas ialah kandungan terperinci Bagaimanakah Pandas GroupBy Boleh Mengira Statistik dan Menyertakan Kiraan Baris untuk Analisis Data?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!