Группировка и объединение
Две операции открывают большинство методов анализа данных: groupby (разделение строк на группы и обобщение каждой) и merge (объединение двух таблиц по общему ключу).
groupby следует паттерну split-apply-combine. Сгруппируйте по столбцу, затем агрегируйте:
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 250Используйте .agg, чтобы вычислить несколько сводок одновременно:
print(sales.groupby("region")["amount"].agg(["sum", "mean", "count"]))merge объединяет таблицы, у которых есть общая колонка. Здесь обе таблицы имеют 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 managerПо умолчанию используется inner join: выживают только ключи, которые есть в обеих таблицах. Передайте how="left", чтобы сохранить каждую строку левой таблицы, даже если совпадения нет.
Даны два DataFrames. Сначала сгруппируйте orders по customer и просуммируйте столбец total, сохранив результат Series в by_customer. Затем объедините orders с customers по столбцу customer (inner join) и сохраните объединенный DataFrame в merged.
Заметили проблему в этом уроке? Сообщите о ней · Спросить об этом уроке
Это упражнение откроется скоро
Закончи предыдущий урок, чтобы открылся этот. Весь курс бесплатный, аккаунт не нужен, и ты можешь прочитать этот урок прямо сейчас.
Этот браузер блокирует cookies для learn.floati.life, поэтому завершенные здесь уроки не могут открыться по порядку. Разрешите cookies для этого сайта и перезагрузите страницу.