Sử dụng nhóm pythonby python
Pandas GroupBy là một hàm mạnh mẽ và linh hoạt trong Python. Nó cho phép bạn chia dữ liệu của mình thành các nhóm riêng biệt để thực hiện các phép tính nhằm phân tích tốt hơn, cũng hoàn toàn tương tự như groupby trong SQL Show
Nội dung chính Show Hãy để tôi lấy một ví dụ để giải thích rõ hơn về điều này. Giả sử chúng ta có một file Sales. xlsx tổng hợp các đơn hàng trong ngày và chúng ta muốn xem mặt hàng nào có doanh số cao nhất, thấp nhất trong ngày (cột order) thì sẽ làm như sau Để làm tất cả các bước trên trong python chỉ cần một câu lệnh groupby đơn giản. ¶Trước hết cần load dữ liệu file Sales lên import pandas as pd Sales = pd.read_excel('Sales.xlsx') Salesaccountorderext price038308010001235. 83138308010001232. 32238308010001107. 973412290100052679. 36441229010005286. 02541229010005832. 956412290100053472. 04741229010005915. 128218895100063061. 12921889510006518. 651021889510006216. 901121889510006-72. 18 Sau đó dùng một câu lệnh groupby đơn giản để nhóm dữ liệu theo cột 'order' # groupby('order') là cột tiêu chí mà chúng ta muốn nhóm dữ liệu theo tiêu chí đó, có thể có một hoặc nhiều tiêu chí # agg({'ext price': 'sum'}) là cột dữ liệu mà chúng ta đang muốn nhóm, và nhóm theo kiểu lấy tổng (sum) Sales_grouped = Sales.groupby(by='order').agg({'ext price': 'sum'}) Sales_groupedext priceorder 10001576. 12100058185. 49100063724. 49 Nếu dữ liệu lớn có thể sắp xếp theo thứ tự tăng hoặc giảm dần để dễ đánh giá # sort_values(by='ext price', ascending=True) lệnh sắp xếp dữ liệu theo cột 'ext price' theo thứ tự tăng dần (ascending=True), nếu giảm dần thì (ascending=False) Sales_grouped = Sales.groupby('order',group_keys=False).agg({'ext price': 'sum'}).sort_values(by='ext price', ascending=True) Sales_groupedext priceorder 10001576. 12100063724. 49100058185. 49 Hàm groupby trong pandas còn có nhiều tham số khác để bạn có thể tùy chỉnh. ¶Khung dữ liệu. groupby(by=None, level=None, as_index=True, sort=True, dropna=True)
|