Pomocí funkce Python pandas DataFrame.groupby() můžete seskupovat data na základě konkrétních kritérií a provádět různé agregace a transformace dat.

Jaká je syntaxe pro pandas DataFrame.groupby()?

Pandas groupby() přijímá až čtyři parametry. Základní syntaxe je následující:

DataFrame.groupby(by=None, level=None, as_index=True, sort=True, group_keys=True, dropna=True)
python

Důležité parametry pro groupby

Parametr Popis Výchozí hodnota
by Klíč nebo seznam klíčů Pythonu pro seskupení; nelze kombinovat s level None
level Používá se pro MultiIndex k určení jedné nebo více úrovní pro seskupení. None
as_index Pokud je hodnota True, klíče skupiny jsou nastaveny jako index výsledného DataFrame. True
group_keys Pokud True, klíče skupiny jsou zahrnuty do indexu skupin. True
dropna Určuje, zda mají být vyloučeny skupiny s hodnotami NaN. True

Jak používat pandas DataFrame.groupby()

Funkce pandas groupby() je obzvláště užitečná pro analýzu a shrnutí velkých datových sad, pomáhá identifikovat vzorce nebo anomálie.

Seskupování a agregace

Níže je uveden příklad datového souboru o prodeji obsahující informace o datu prodeje, prodaném produktu a prodaném množství:

import pandas as pd
# Sample sales dataset
data = {
    'Date': ['2021-01-01', '2021-01-01', '2021-01-02', '2021-01-02', '2021-01-03'],
    'Product': ['A', 'B', 'A', 'B', 'A'],
    'Quantity': [10, 20, 15, 25, 10]
}
df = pd.DataFrame(data)
print(df)
python

Výsledný DataFrame vypadá takto:

Date Product  Quantity
0  2021-01-01       A       10
1  2021-01-01       B       20
2  2021-01-02       A       15
3  2021-01-02       B       25
4  2021-01-03       A       10

Dále seskupíme datový soubor podle produktů pomocí pandas groupby(). Poté vypočítáme celkové množství prodané pro každý produkt pomocí funkce sum():

# Group by product and calculate the sum of the quantity sold
summe = df.groupby('Product')['Quantity'].sum()
print(total)

Výsledek ukazuje celkový počet prodaných jednotek pro každý produkt:

Product
A    35
B    45
Name: Quantity, dtype: int64

Více agregací

V následujícím příkladu použijeme rozšířený datový soubor, který zahrnuje také tržby:

data = {
    'Date': ['2021-01-01', '2021-01-01', '2021-01-02', '2021-01-02', '2021-01-03'],
    'Product': ['A', 'B', 'A', 'B', 'A'],
    'Quantity': [10, 20, 15, 25, 10],
    'Revenue': [100, 200, 150, 250, 100]
}
df = pd.DataFrame(data)
print(df)
python

DataFrame vypadá takto:

Date Product  Quantity  Revenue
0  2021-01-01       A       10      100
1  2021-01-01       B       20      200
2  2021-01-02       A       15      150
3  2021-01-02       B       25      250
4  2021-01-03       A       10      100

Pomocí pandas DataFrame.groupby() seskupíme data podle produktů a poté pomocí funkce agg() vypočítáme celkové množství a tržby, stejně jako průměrné tržby na produkt.

# Group by product and apply multiple aggregations
groups = df.groupby('Product').agg({
    'Quantity': 'sum',
    'Revenue': ['sum', 'mean']
})
print(groups)

Tady je výsledek:

Quantity Revenue        
          sum    sum    mean
Product                  
A          35    350  116.666667
B          45    450  225.000000
Přejít do hlavního menu