Silabus Pelajaran 82 dari 250 · Dasar Data: numpy & pandas
Dasar Data: numpy & pandas

Pengelompokan dan Penggabungan

Dua operasi membuka sebagian besar analisis data: groupby (bagi baris menjadi grup dan ringkas masing-masing) dan merge (gabungkan dua tabel pada kunci yang sama).

groupby mengikuti pola split-apply-combine. Kelompokkan berdasarkan kolom, lalu agregasikan:

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    250

Gunakan .agg untuk menghitung beberapa ringkasan sekaligus:

print(sales.groupby("region")["amount"].agg(["sum", "mean", "count"]))

merge menggabungkan tabel yang memiliki kolom yang sama. Di sini kedua tabel memiliki 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 manager

Defaultnya adalah inner join: hanya kunci yang ada di kedua tabel yang bertahan. Masukkan how="left" untuk menyimpan setiap baris tabel kiri meskipun tidak ada kecocokan.

Giliranku

Ada dua DataFrame. Pertama, kelompokkan orders berdasarkan customer dan jumlahkan kolom total, simpan hasil Series di by_customer. Kedua, gabungkan orders dengan customers pada kolom customer (inner join) dan simpan DataFrame hasil gabungan di merged.

Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini

Latihan ini akan segera dibuka

Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.