Raggruppare e unire
Due operazioni sbloccano gran parte dell'analisi dei dati: groupby (dividere le righe in gruppi e riassumere ciascuno) e merge (unire due tabelle su una chiave comune).
groupby segue lo schema dividi-applica-combina. Raggruppa per una colonna, poi aggrega:
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 per calcolare più riassunti in una volta:
print(sales.groupby("region")["amount"].agg(["sum", "mean", "count"]))merge unisce tabelle che hanno una colonna in comune. Qui entrambe le tabelle hanno 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 managerIl default è un inner join: sopravvivono solo le chiavi presenti in entrambe le tabelle. Passa how="left" per tenere ogni riga della tabella di sinistra anche quando non c'è corrispondenza.
Ti vengono dati due DataFrame. Primo, raggruppa orders per customer e somma la colonna total, salvando la Series risultante in by_customer. Secondo, unisci orders con customers sulla colonna customer (inner join) e salva il DataFrame unito in merged.
Hai notato un problema in questa lezione? Segnalalo · Chiedi qualcosa su questa lezione
Questo esercizio si apre presto
Finisci la lezione precedente e questa si sblocca. L'intero corso è gratuito, senza account, e puoi leggere questa lezione subito.
Questo browser blocca i cookie per learn.floati.life, quindi le lezioni che hai finito qui non si possono aprire in ordine. Consenti i cookie per questo sito e ricarica.