Programma Les 82 van 250 · Basis van data: numpy & pandas
Basis van data: numpy & pandas

Groeperen en samenvoegen

Twee operaties ontgrendelen de meeste data-analyse: groupby (splits rijen in groepen en vat elk samen) en merge (voeg twee tabellen samen op een gedeelde sleutel).

groupby volgt een split-apply-combine patroon. Groepeer op een kolom, aggregeer dan:

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

Gebruik .agg om meerdere samenvattingen tegelijk te berekenen:

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

merge verbindt tabellen die een kolom delen. Hier hebben beide tabellen 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

De standaard is een inner join: alleen sleutels die in beide tabellen aanwezig zijn blijven over. Geef how="left" door om elke rij van de linkertabel te behouden, zelfs als er geen match is.

Jij bent aan de beurt

Er worden twee DataFrames gegeven. Eerst groepeer je orders op customer en sommeer je de total kolom, waarbij je de resulterende Series in by_customer opslaat. Ten tweede voeg je orders samen met customers op de customer kolom (inner join) en sla je de samengevoegde DataFrame op in merged.

Een probleem ontdekt in deze les? Meld het · Vraag naar deze les

Deze oefening opent binnenkort

Maak de les ervoor af voordat deze wordt ontgrendeld. De hele cursus is gratis, geen account nodig, en je kunt deze les nu lezen.