Agrupar y combinar
Dos operaciones abren la puerta a casi todo el análisis de datos: groupby (dividir las filas en grupos y resumir cada uno) y merge (unir dos tablas por una clave común).
groupby sigue el patrón dividir-aplicar-combinar. Agrupa por una columna y luego agrega:
import pandas as pd
sales = pd.DataFrame({
"region": ["N", "S", "N", "S"],
"amount": [100, 200, 150, 50],
})
print(sales.groupby("region")["amount"].sum())
# region
# N 250
# S 250Usa .agg para calcular varios resúmenes a la vez:
print(sales.groupby("region")["amount"].agg(["sum", "mean", "count"]))merge une tablas que comparten una columna. Aquí las dos tablas tienen region:
info = pd.DataFrame({
"region": ["N", "S"],
"manager": ["Ada", "Bo"],
})
joined = sales.merge(info, on="region")
print(joined) # each sales row gains its region's managerPor defecto es un inner join: solo sobreviven las claves que están en las dos tablas. Pasa how="left" para conservar todas las filas de la tabla de la izquierda aunque no tengan coincidencia.
Tienes dos DataFrames. Primero, agrupa orders por customer y suma la columna total, guardando la Series resultante en by_customer. Segundo, combina orders con customers por la columna customer (inner join) y guarda el DataFrame combinado en merged.
¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección
Este ejercicio se abre pronto
Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.
Este navegador está bloqueando las cookies de learn.floati.life, así que las lecciones que terminaste aquí no se pueden abrir en orden. Permite las cookies de este sitio y recarga.