Agrupando dados por categoria no pandas
Trabalhando com dados categóricos em Python
Kasey Jones
Research Data Scientist
O básico de .groupby(): dividindo dados
adult = pd.read_csv("data/adult.csv")
adult1 = adult[adult["Above/Below 50k"] == " <=50K"]
adult2 = adult[adult["Above/Below 50k"] == " >50K"]
é substituído por
groupby_object = adult.groupby(by=["Above/Below 50k"])
O básico de .groupby(): aplicar uma função
groupby_object = adult.groupby(by=["Above/Below 50k"])
Aplicar uma função:
groupby_object.mean()
Age fnlgwt Education Num Capital Gain ...
Above/Below 50k
<=50K 36.783738 190340.86517 9.595065 148.752468 ...
>50K 44.249841 188005.00000 11.611657 4006.142456 ...
Uma linha:
adult.groupby(by=["Above/Below 50k"]).mean()
Especificando colunas
Opção 1: roda .sum() só em duas colunas.
adult.groupby(by=["Above/Below 50k"])['Age', 'Education Num'].sum()
Age Education Num
Above/Below 50k
<=50K 909294 237190
>50K 346963 91047
Opção 2: roda .sum() em todas as colunas numéricas e depois filtra.
adult.groupby(by=["Above/Below 50k"]).sum()[['Age', 'Education Num']]
Prefira a Opção 1 — especialmente com conjuntos grandes
Groupby com múltiplas colunas
adult.groupby(by=["Above/Below 50k", "Marital Status"]).size()
Above/Below 50k Marital Status
<=50K Divorced 3980
Married-AF-spouse 13
Married-civ-spouse 8284
Married-spouse-absent 384
Never-married 10192
Separated 959
Widowed 908
>50K Divorced 463
Married-AF-spouse 10 <--- Só 10 registros
Married-civ-spouse 6692
...
Pratique o uso de .groupby()
Trabalhando com dados categóricos em Python
