Pandas GroupBy はどのように統計を計算し、データ分析のために行数を含めることができますか?

Pandas GroupBy を使用して各グループの統計を取得する

データ分析を実行するとき、多くの場合、データを要約し、観測グループの統計を計算する必要があります。 。 Pandas の GroupBy 関数は、これを行うための便利な方法を提供します。

グループ統計を計算するには、DataFrame で .groupby() メソッドを使用し、グループ化する列を指定するだけです。次に、.agg() メソッドを使用して、各グループ内のデータを集計できます。

たとえば、次のコードは、データを「col1」列と「col2」列でグループ化し、平均を計算します。

df['col1', 'col2'].groupby(['col1', 'col2']).mean()

これは、次のようなグループ統計を含む DataFrame を返します。

      col3  col4  col5  col6
col1 col2              
A     B    -0.3725  -0.810   0.0325  0.5425
C     D    -0.4766  -0.110   1.3467 -0.6833
E     F     0.4550   0.475  -1.0650  0.0300
G     H     1.4800  -0.630   0.6500  0.1700

を含む行数

グループ統計に行数を追加するのは簡単です。 .size() メソッドを使用して、各グループの行数をカウントできます。例:

df.groupby(['col1', 'col2']).size()

これにより、行数を含むシリーズが返され、DataFrame に追加できます:

df.groupby(['col1', 'col2']).size().reset_index(name='counts')

複数の統計を含む

平均に加えて、.agg() を使用して中央値、最小値、最大値などの他の統計を計算できます。 方法。たとえば、次のコードは、「col4」列の平均、中央値、最小値を計算します:

df.groupby(['col1', 'col2']).agg({'col4': ['mean', 'median', 'min']})

これは、次のようなグループ統計を含む DataFrame を返します:

            col4                  
          mean median  min
col1 col2                   
A    B  -0.3725 -0.810  -1.32
C    D  -0.4766 -0.110  -1.65
E    F   0.4550  0.475  -0.47
G    H   1.4800 -0.630  -0.63

追加の考慮事項

• 複数の列でグループ化する場合は、 .groupby() メソッド内のリストを使用します。
• 値が欠落していると、グループの計算に影響を与える可能性があります。 Pandas は、平均値や中央値などの計算中に欠損値を除外します。
• 大規模なデータセットを操作する場合は、パフォーマンスを向上させるために、chunksize パラメーターを指定した .agg() メソッドの使用を検討してください。

以上がPandas GroupBy はどのように統計を計算し、データ分析のために行数を含めることができますか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。