Groupby Pandas: The Ultimate Guide for Data Analysts

Модуль pandas имеет встроенную функцию groupby(), которая позволяет группировать данные по одному или нескольким столбцам и выполнять различные агрегатные функции (сумма, среднее, максимум/минимум и т.д.) для каждой группы. Это очень полезно, когда нужно анализировать большие объемы данных и извлекать интересующую информацию из них.

Пример использования функции groupby() в pandas:

Предположим, у нас есть DataFrame с информацией о фильмах:

import pandas as pd

data = {'movie': ['A', 'B', 'C', 'D', 'E', 'F'],

'genre': ['Action', 'Comedy', 'Comedy', 'Action', 'Drama', 'Drama'],

'director': ['John', 'Jane', 'John', 'Michael', 'Jane', 'Michael'],

'rating': [7.5, 8.1, 6.9, 7.3, 8.8, 7.6],

'duration': [120, 110, 100, 115, 90, 105]}

df = pd.DataFrame(data)

Теперь мы можем сгруппировать наш DataFrame по столбцу 'genre' и посчитать средний рейтинг для каждой группы:

grouped_by_genre = df.groupby('genre')

average_rating = grouped_by_genre['rating'].mean()

print(average_rating)

Выходные данные:

Action 7.4

Comedy 7.5

Drama 8.2

Name: rating, dtype: float64

В данном примере мы сгруппировали наш DataFrame по столбцу 'genre' методом groupby() и вычислили средний рейтинг для каждой группы методом mean(). Таким образом, мы получили средний рейтинг для всех фильмов жанра 'Action', 'Comedy' и 'Drama'.

Кроме того, мы можем использовать несколько столбцов для группировки данных. Например, мы можем сгруппировать фильмы по жанру и режиссеру, и вычислить среднюю продолжительность фильмов в каждой группе:

grouped_by_genre_and_director = df.groupby(['genre', 'director'])

average_duration = grouped_by_genre_and_director['duration'].mean()

print(average_duration)

Выходные данные:

genre director

Action John 117.5

Michael 115.0

Comedy Jane 110.0

John 100.0

Drama Jane 90.0

Michael 105.0

Name: duration, dtype: float64

В данном примере мы сгруппировали фильмы по жанру и режиссеру методом groupby() и вычислили среднюю продолжительность фильмов в каждой группе методом mean(). Таким образом, мы получили среднюю продолжительность для всех фильмов жанра 'Action', 'Comedy' и 'Drama', выпущенных режиссерами John, Jane и Michael.

Таким образом, функция groupby() в pandas является мощным инструментом для группировки данных и выполнения агрегатных функций. Она может быть использована для различных целей, от анализа данных до машинного обучения и статистики.