Понимание функции Pandas groupby()

Автор оригинала: Pankaj Kumar.

Эй, ребята! В этой статье мы будем понимать функцию Pandas groupby () вместе с различными функциями, которые она выполняет.

Что такое функция groupby ()?

Модуль Python Pandas широко используется для лучшей предварительной обработки данных и используется для визуализации данных.

Модуль Pandas имеет различные встроенные функции для более эффективной работы с данными. Функция dataframe.groupby() модуля Pandas используется для разделения и выделения некоторой части данных из целого набора данных на основе определенных предопределенных условий или параметров.

Синтаксис:

dataframe.groupby('column-name')

Используя приведенный выше синтаксис, мы можем разделить набор данных и выбрать все данные, принадлежащие переданному столбцу, в качестве аргумента функции.

Входной набор данных:

Пример:

import pandas
data = pandas.read_csv("C:/marketing_tr.csv")
data_grp = data.groupby('marital')
data_grp.first()

В приведенном выше примере мы использовали функцию groupby() для разделения и раздельного создания нового фрейма данных со всеми данными, принадлежащими столбцу “семейное положение”, соответственно.

Выход:

Функция Pandas groupby() с несколькими столбцами

Разделение данных по значениям нескольких столбцов можно выполнить с помощью функции Pandas dataframe.groupby () . Таким образом, мы можем передать несколько тегов столбцов в качестве аргументов для разделения и сегрегации значений данных вместе только с этими значениями столбцов.

Синтаксис:

dataframe.groupby(['column1', 'column2', ...., 'columnN'])

Пример:

import pandas
data = pandas.read_csv("C:/marketing_tr.csv")4
data_grp = data.groupby(['marital','schooling'])
data_grp.first()

Выход:

Функция Pandas groupby() для просмотра групп

Помимо разделения данных в соответствии с определенным значением столбца, мы даже можем просмотреть сведения о каждой группе, сформированной из категорий столбца, с помощью функции dataframe.groupby().groups .

Вот снимок образца набора данных, используемого в этом примере:

Синтаксис:

dataframe.groupby('column').groups

Пример:

import pandas
data = pandas.read_csv("C:/marketing_tr.csv")
data_grp = data.groupby('marital').groups
data_grp

Как было показано выше, мы разделили данные и сформировали новый фрейм данных значений из столбца – “брачный”.

Кроме того, мы использовали функцию group by().groups для отображения всех категорий значений, присутствующих в этом конкретном столбце.

Кроме того, он также представляет положение этих категорий в исходном наборе данных, а также тип данных и количество присутствующих значений.

Выход:

{'divorced': Int64Index([   3,    4,   33,   34,   63,   66,   73,   77,   98,  112,
             ...
             7284, 7298, 7300, 7326, 7349, 7362, 7365, 7375, 7391, 7412],
            dtype='int64', length=843),
 'married': Int64Index([   1,    2,    5,    7,    8,    9,   10,   11,   13,   14,
             ...
             7399, 7400, 7403, 7404, 7405, 7406, 7407, 7408, 7410, 7413],
            dtype='int64', length=4445),
 'single': Int64Index([   0,    6,   12,   16,   18,   19,   24,   29,   31,   32,
             ...
             7383, 7385, 7386, 7390, 7397, 7398, 7401, 7402, 7409, 7411],
            dtype='int64', length=2118),
 'unknown': Int64Index([2607, 4770, 4975, 5525, 5599, 5613, 6754, 7221], dtype='int64')}

Выбор группы с помощью функции Pandas groupby()

Как видно до сих пор, мы можем просматривать различные категории обзора уникальных значений, присутствующих в столбце, с его подробностями.

Используя data frame.get_group('column-value') ,мы можем отобразить значения, принадлежащие определенной категории/значению данных столбца, сгруппированного функцией groupby ().

Синтаксис:

dataframe.get_group('column-value')

Пример:

import pandas
data = pandas.read_csv("C:/marketing_tr.csv")
data_grp = data.groupby('marital')
df = data_grp.get_group('divorced')
df.head()

В приведенном выше примере мы отобразили данные, относящиеся к значению столбца “разведен” столбца “женат”.

Выход:

Вывод

Таким образом, в этой статье мы подробно разобрались в работе функции Pandas groupby ().

Рекомендации

• Функция Pandas groupby () — JournalDev