Regrouper et fusionner
Deux opérations débloquent l'essentiel de l'analyse de données : groupby (répartir les lignes en groupes et résumer chacun) et merge (joindre deux tableaux sur une clé commune).
groupby suit le schéma diviser-appliquer-combiner. Regroupe par une colonne, puis agrège :
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 250Utilise .agg pour calculer plusieurs résumés d'un coup :
print(sales.groupby("region")["amount"].agg(["sum", "mean", "count"]))merge joint des tableaux qui partagent une colonne. Ici, les deux tableaux ont 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 managerPar défaut, c'est une jointure interne : seules les clés présentes dans les deux tableaux survivent. Passe how="left" pour garder chaque ligne du tableau de gauche même sans correspondance.
Deux DataFrames sont fournis. D'abord, regroupe orders par customer et additionne la colonne total, en rangeant la Series obtenue dans by_customer. Ensuite, fusionne orders avec customers sur la colonne customer (jointure interne) et range le DataFrame fusionné dans merged.
Tu as repéré un problème dans cette leçon ? Signale-le · Pose une question sur cette leçon
Cet exercice s'ouvre bientôt
Termine la leçon précédente pour débloquer celle-ci. Tout le cours est gratuit, aucun compte n'est requis, et tu peux lire cette leçon dès maintenant.
Ce navigateur bloque les cookies pour learn.floati.life, donc les leçons que tu as terminées ici ne peuvent pas s'ouvrir dans l'ordre. Autorise les cookies pour ce site et recharge la page.