Wie führt man eine Datenaggregation mit Pandas durch?

Aggregation in Pandas

Mit Pandas können Sie verschiedene Aggregationsoperationen durchführen, um die Dimensionalität zu reduzieren und Daten zusammenzufassen.

Frage 1: Wie kann ich Aggregation mit Pandas durchführen?

Pandas bietet viele Aggregationsfunktionen, einschließlich mean(), sum(), count(), min() und max(). Mit diesen Funktionen können Sie zusammenfassende Statistiken für jede Gruppe berechnen. Zum Beispiel:

# Calculate mean of each group based on 'A' and 'B' columns
df1 = df.groupby(['A', 'B']).mean()

# Print the results
print(df1)

Frage 2: Kein DataFrame nach der Aggregation! Was ist passiert?

Wenn Sie die Aggregation auf mehrere Spalten anwenden, kann das resultierende Objekt abhängig von der Anzahl der gruppierten Spalten eine Serie oder ein DataFrame sein.

• Serie: Wenn Sie nach einer oder mehreren Spalten gruppieren, ist das Ergebnis eine Reihe mit einem entsprechenden Index Gruppen.
• DataFrame:Wenn Sie nur nach einer Spalte gruppieren, ist das Ergebnis ein DataFrame mit Spalten, die den ursprünglichen Spalten entsprechen.

Um einen DataFrame zu erhalten Verwenden Sie bei allen Spalten as_index=False in der Groupby-Funktion.

Frage 3: Wie kann ich hauptsächlich Zeichenfolgenspalten aggregieren (zu Listen, Tupel, Zeichenfolgen mit Trennzeichen)?

Um Zeichenfolgenspalten zu aggregieren, können Sie Listen-, Tupel- oder Join-Operationen verwenden.

• Liste: Konvertieren Sie die Spalte in eine Liste mit list() oder GroupBy.apply(list).
• Tupel: Konvertieren Sie die Spalte in ein Tupel mit tuple() oder GroupBy.apply(tuple).
• String mit Trennzeichen: Kombinieren Sie die Strings mit einem Trennzeichen mit str.join().

Zum Beispiel:

# Convert 'B' column values to a list for each group
df1 = df.groupby('A')['B'].agg(list).reset_index()

# Combine 'B' column values into a string with separator for each group
df2 = df.groupby('A')['B'].agg(','.join).reset_index()

Frage 4: Wie kann ich Zählungen aggregieren?

Zu zählen Für nicht fehlende Werte in jeder Gruppe verwenden Sie GroupBy.count(). Um alle Werte, einschließlich der fehlenden, zu zählen, verwenden Sie GroupBy.size().

Zum Beispiel:

# Count non-missing values in 'C' column for each group
df1 = df.groupby('A')['C'].count().reset_index(name='COUNT')

# Count all values in 'A' column for each group
df2 = df.groupby('A').size().reset_index(name='COUNT')

Frage 5: Wie kann ich eine neue Spalte erstellen, die mit aggregierten Werten gefüllt ist?

Mit der transform()-Methode können Sie eine neue Spalte hinzufügen, die die aggregierten Werte enthält. Die Funktion transform() wendet die angegebene Operation auf jede Gruppe an und gibt ein neues Objekt mit der gleichen Größe wie das Original zurück.

Zum Beispiel:

# Create a new 'C1' column with the sum of 'C' grouped by 'A'
df['C1'] = df.groupby('A')['C'].transform('sum')

Das obige ist der detaillierte Inhalt vonWie führt man eine Datenaggregation mit Pandas durch?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!