Wie implementiert man die GROUP BY HAVING-Klausel von SQL in Pandas?

Implementierung der SQL GROUP BY HAVING-Klausel in Pandas

In SQL unterteilt die GROUP BY-Operation Daten basierend auf den Werten angegebener Spalten in Teilmengen. Die HAVING-Klausel wendet Filtereinschränkungen auf diese Teilmengen an. Diese Funktion ermöglicht die selektive Datenaggregation und -filterung.

In Pandas ist die GROUP BY-Funktionalität über die Methode groupby() verfügbar, die ein GroupBy-Objekt zurückgibt. Das Pandas-Äquivalent der SQL-HAVING-Klausel ist die Methode filter(), die einen Filter auf die von groupby() erstellte Teilmenge anwendet.

Syntax:

<code>df.groupby(by_column).filter(filter_function)</code>

Unter ihnen:

• df ist ein Pandas DataFrame.
• by_column ist die Spalte, die für die Gruppierung verwendet wird.
• filter_function ist eine Funktion, die für jede Gruppe einen booleschen Wert zurückgibt.

Verwendung:

Um einen Filter auf einen gruppierten Datensatz in Pandas anzuwenden, führen Sie die folgenden Schritte aus:

1. Erstellen Sie ein GroupBy-Objekt, indem Sie groupby() in einem DataFrame aufrufen.
2. Wenden Sie filter() mit der filter_function-Methode auf jede Gruppe an.
3. filter_function sollte für jede Gruppe einen booleschen Wert zurückgeben.
4. Die gefilterten Gruppen werden als neuer DataFrame zurückgegeben.

Beispiel:

Angenommen, wir haben den folgenden Pandas DataFrame:

<code>df = pd.DataFrame([[1, 2], [1, 3], [5, 6]], columns=['A', 'B'])</code>

Um die Gruppen zu finden, deren Summe in Spalte B größer als 4 ist, können wir den folgenden Code verwenden:

<code>result = df.groupby('A').filter(lambda x: x['B'].sum() > 4)</code>

Das Ergebnis ist ein neuer DataFrame, der Zeilen aus den Gruppen enthält, die die Filterkriterien erfüllen:

<code>print(result)</code>

Ausgabe:

<code>   A  B
0  1  2
1  1  3</code>

Zusätzliche Hinweise:

• filter_function kann jede gültige Python-Funktion sein, die eine Pandas-Gruppe als Eingabe akzeptiert und einen booleschen Wert zurückgibt.
• Es ist wichtig zu beachten, dass filter_function keinen Zugriff auf die zur Gruppierung verwendeten Spalten hat. Wenn Sie auf diese Spalten zugreifen müssen, können Sie sie manuell nach Spalte gruppieren, bevor Sie den Filter anwenden.
• Die GROUP BY HAVING-Funktion in Pandas bietet eine leistungsstarke Möglichkeit, komplexe Datenaggregations- und Filtervorgänge durchzuführen.

Das obige ist der detaillierte Inhalt vonWie implementiert man die GROUP BY HAVING-Klausel von SQL in Pandas?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!