Grupowanie danych według kategorii w pandas
Praca z danymi kategorycznymi w Pythonie
Kasey Jones
Research Data Scientist
Podstawy .groupby(): podział danych
adult = pd.read_csv("data/adult.csv")
adult1 = adult[adult["Above/Below 50k"] == " <=50K"]
adult2 = adult[adult["Above/Below 50k"] == " >50K"]
jest zastąpione przez
groupby_object = adult.groupby(by=["Above/Below 50k"])
Podstawy .groupby(): zastosowanie funkcji
groupby_object = adult.groupby(by=["Above/Below 50k"])
Zastosowanie funkcji:
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 ...
W jednej linii:
adult.groupby(by=["Above/Below 50k"]).mean()
Określanie kolumn
Opcja 1: wykonuje .sum() tylko na dwóch kolumnach.
adult.groupby(by=["Above/Below 50k"])['Age', 'Education Num'].sum()
Age Education Num
Above/Below 50k
<=50K 909294 237190
>50K 346963 91047
Opcja 2: wykonuje .sum() na wszystkich kolumnach numerycznych, a następnie wybiera podzbiór.
adult.groupby(by=["Above/Below 50k"]).sum()[['Age', 'Education Num']]
Opcja 1 jest zalecana – szczególnie przy dużych zbiorach danych
Grupowanie według wielu kolumn
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 <--- Only 10 records
Married-civ-spouse 6692
...
Ćwiczenie z .groupby()
Praca z danymi kategorycznymi w Pythonie
