Agrupamento e Mesclagem
Duas operações desbloqueiam a maioria das análises de dados: groupby (divide as linhas em grupos e resume cada um) e merge (junta duas tabelas em uma chave compartilhada).
groupby segue um padrão de split-apply-combine. Agrupe por uma coluna, depois agregue:
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 250Use .agg para calcular vários resumos de uma vez:
print(sales.groupby("region")["amount"].agg(["sum", "mean", "count"]))merge junta tabelas que compartilham uma coluna. Aqui ambas as tabelas têm 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 managerO padrão é um inner join: apenas chaves presentes em ambas as tabelas sobrevivem. Passe how="left" para manter cada linha da tabela da esquerda mesmo quando não houver correspondência.
Dois DataFrames são fornecidos. Primeiro, agrupe orders por customer e some a coluna total, armazenando o resultado Series em by_customer. Segundo, mescle orders com customers na coluna customer (inner join) e armazene o DataFrame mesclado em merged.
Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição
Este exercício abre em breve
Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.