Программа курса Урок 82 из 250 · Основы данных: numpy и pandas
Основы данных: numpy и pandas

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    250

Используйте .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 manager

По 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.

Твоя очередь

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.