팬더를 사용하여 데이터의 열에서 열-열 통계를 구현하는 방법은 무엇입니까?

팬더를 사용하여 데이터 열을 효율적으로 구현하십시오

데이터 분석에서 데이터의 유연한 재구성 및 통계 분석이 종종 필요합니다. 예를 들어, 날짜와 유형을 포함하는 데이터 세트를 하루에 다른 유형의 카운트의 통계 테이블로 변환하십시오. 이 기사는 Pandas 라이브러리를 사용하여 효율적으로 수행하는 방법을 보여줍니다.

'날짜'(date)과 'type'(유형)의 두 열이 포함 된 데이터 프레임 (dataframe)이 있다고 가정하고 데이터 예제는 다음과 같습니다.

 <code>date type 2024-01-01 1 2024-01-01 2 2024-01-01 1 2024-01-02 3 2024-01-02 2 2024-01-02 3 2024-01-02 1 2024-01-02 1 2024-01-03 1 2024-01-03 4 2024-01-03 2 2024-01-03 5 ...</code>

목표는 데이터를 다음 형식으로 변환하여 매일 각 유형의 수를 보여주는 것입니다.

 <code>date type1 type2 type3 type4 type5 2024-01-01 2 1 0 0 0 2024-01-02 2 1 2 0 0 2024-01-03 1 1 0 1 1 ...</code>

Pandas ' pd.get_dummies() 및 groupby() 함수를 사용하여이를 달성 할 수 있습니다. 파이썬 코드는 다음과 같습니다.

 팬더를 PD로 가져옵니다

# 샘플 데이터 = {
    '날짜': [ '2024-01-01', '2024-01-01', '2024-01-01', '2024-01-02', '2024-01-02', '2024-01-02', '2024-01-02', '2024-01-02', '2024-02', '2024-01-02', '2024-01-02', '2024-01-02' '2024-01-03', '2024-01-03', '2024-01-03'],
    '타입': [1, 2, 1, 3, 2, 3, 1, 1, 1, 4, 2, 5]
}

df = pd.dataframe (데이터)

# 1 호트 인코딩 DF_ENCODED = PD.GET_DUMMIES (df, columns = [ 'type'], prefix = 'type')에 get_dummies ()를 사용하십시오.

# Group 통계 결과 = df_encoded.groupby ( 'date').

# 인쇄 결과 인쇄 (df_encoded)
인쇄 ( "-" * 60)
인쇄 (결과)

이 코드는 먼저 pd.get_dummies() 사용하여 'type'열을 더미 변수로 변환 한 다음 groupby('date').sum() 사용하여 날짜를 그룹화하고 각 유형을 합하여 최종적으로 대상 통계 테이블을 가져옵니다.

출력 결과는 다음과 유사합니다.

<code> date type_1 type_2 type_3 type_4 type_5 0 2024-01-01 1 0 0 0 0 1 2024-01-01 0 1 0 0 0 2 2024-01-01 1 0 0 0 0 3 2024-01-02 0 0 1 0 0 4 2024-01-02 0 1 0 0 0 5 2024-01-02 0 0 1 0 0 6 2024-01-02 1 0 0 0 0 7 2024-01-02 1 0 0 0 0 8 2024-01-03 1 0 0 0 0 9 2024-01-03 0 0 0 1 0 10 2024-01-03 0 1 0 0 0 11 2024-01-03 0 0 0 0 1 ------------------------------------------------------------ type_1 type_2 type_3 type_4 type_5 date 2024-01-01 2 1 0 0 0 2024-01-02 2 1 2 0 0 2024-01-03 1 1 0 1 1</code>

이 간결한 코드를 통해 Pandas 데이터 열 변환 통계를 쉽게 완료하여 데이터 분석 효율성을 향상시킬 수 있습니다.

위 내용은 팬더를 사용하여 데이터의 열에서 열-열 통계를 구현하는 방법은 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!