Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Agrupamento Complicado | Aggregating Data
course content

Conteúdo do Curso

Advanced Techniques in pandas

1. Familiarize-se com a Indexação e Seleção de Dados

Colunas de Saída por TítuloLinhas de Saída por ÍndiceSelecionar Linhas e Colunas EspecíficasSaiba Mais Sobre IndexaçãoFamiliarize-se com Funções lambdaAmpliar Funcionalidade da Função .iloc[]

2. Lidando com Condições

Definir CondiçãoDesafio 1Lidando com Várias CondiçõesDeixe Seu Código BonitoDesafio 2

3. Extrair Dados

Os Dados estão em...?Combine o Seu ConhecimentoEntre FunçãoDesafioEncontre os Valores Mais Pequenos de uma ColunaEncontre os Maiores Valores de uma ColunaEncontre a Correlação

4. Agregando Dados

Familiarize-se com o Método .groupby()Agrupar por Várias ColunasAgrupamento ComplicadoGrupoLidando com Tabelas DinâmicasDesafio

5. Pré-processamento de Dados

Verifique Valores AusentesCalcule o Número de Valores AusentesO Que Faremos com os Valores NaN?Como Deletar Apenas Valores NaN?Preencha os Valores AusentesGerenciamento de Variáveis CategóricasVerifique o Tipo de ColunaGerenciar uma Coluna IncorretaRenomear a Coluna

Advanced Techniques in pandas

Agrupamento ComplicadoAgrupamento Complicado

Às vezes, não estamos satisfeitos com as funções internas do pandas, como .mean() ou .min(), ao agrupar.

Observe a coluna 'Length'; aqui, temos a duração do voo em minutos. Imagine que queremos calcular o tempo máximo em horas para itens que possuem o mesmo valor na coluna 'Flight' e, em seguida, na coluna 'Airline'. Para fazer isso, podemos calcular o valor máximo da coluna 'Length' para cada chave de grupo e depois dividir por 60. Veja o exemplo e a explicação abaixo.

Explicação:

Tornamos o exemplo dos capítulos anteriores um pouco mais complexo, então, com o agrupamento de dados, tudo permanece igual; vamos nos voltar para a função .apply().

  • .apply() - ela ajuda a aplicar uma função específica às colunas necessárias.
  • na função lambda, x é o argumento e x['Length'].max()/60 é a expressão. Assim, a função encontra o valor máximo para cada chave de grupo e divide o valor agregado por 60.

Tarefa

Sua tarefa aqui é agrupar os dados pelo aeroporto de origem do voo e, em seguida, pelo dia da semana. Calcule a quantidade mínima de tempo da soma das colunas 'Length' e 'Time' dos grupos para descobrir quanto tempo o voo com atraso pode levar. Siga o algoritmo para gerenciar a tarefa:

  1. Agrupe os dados:
  • Armazene a lista de colunas 'AirportFrom', 'Airline', 'Time' e 'Length' (nesta ordem) na variável columns.
  • Extraia columns de data.
  • A ordem é crucial dentro da função .groupby(); coloque as colunas 'AirportFrom' e 'Airline' nesta ordem.
  • Aplique a função aos valores do conjunto de dados que têm as mesmas chaves de grupo.
  • Calcule a soma das duas colunas: 'Length' e 'Time'. Em seguida, encontre o seu mínimo.

Tudo estava claro?

Seção 4. Capítulo 3
toggle bottom row
course content

Conteúdo do Curso

Advanced Techniques in pandas

1. Familiarize-se com a Indexação e Seleção de Dados

Colunas de Saída por TítuloLinhas de Saída por ÍndiceSelecionar Linhas e Colunas EspecíficasSaiba Mais Sobre IndexaçãoFamiliarize-se com Funções lambdaAmpliar Funcionalidade da Função .iloc[]

2. Lidando com Condições

Definir CondiçãoDesafio 1Lidando com Várias CondiçõesDeixe Seu Código BonitoDesafio 2

3. Extrair Dados

Os Dados estão em...?Combine o Seu ConhecimentoEntre FunçãoDesafioEncontre os Valores Mais Pequenos de uma ColunaEncontre os Maiores Valores de uma ColunaEncontre a Correlação

4. Agregando Dados

Familiarize-se com o Método .groupby()Agrupar por Várias ColunasAgrupamento ComplicadoGrupoLidando com Tabelas DinâmicasDesafio

5. Pré-processamento de Dados

Verifique Valores AusentesCalcule o Número de Valores AusentesO Que Faremos com os Valores NaN?Como Deletar Apenas Valores NaN?Preencha os Valores AusentesGerenciamento de Variáveis CategóricasVerifique o Tipo de ColunaGerenciar uma Coluna IncorretaRenomear a Coluna

Advanced Techniques in pandas

Agrupamento ComplicadoAgrupamento Complicado

Às vezes, não estamos satisfeitos com as funções internas do pandas, como .mean() ou .min(), ao agrupar.

Observe a coluna 'Length'; aqui, temos a duração do voo em minutos. Imagine que queremos calcular o tempo máximo em horas para itens que possuem o mesmo valor na coluna 'Flight' e, em seguida, na coluna 'Airline'. Para fazer isso, podemos calcular o valor máximo da coluna 'Length' para cada chave de grupo e depois dividir por 60. Veja o exemplo e a explicação abaixo.

Explicação:

Tornamos o exemplo dos capítulos anteriores um pouco mais complexo, então, com o agrupamento de dados, tudo permanece igual; vamos nos voltar para a função .apply().

  • .apply() - ela ajuda a aplicar uma função específica às colunas necessárias.
  • na função lambda, x é o argumento e x['Length'].max()/60 é a expressão. Assim, a função encontra o valor máximo para cada chave de grupo e divide o valor agregado por 60.

Tarefa

Sua tarefa aqui é agrupar os dados pelo aeroporto de origem do voo e, em seguida, pelo dia da semana. Calcule a quantidade mínima de tempo da soma das colunas 'Length' e 'Time' dos grupos para descobrir quanto tempo o voo com atraso pode levar. Siga o algoritmo para gerenciar a tarefa:

  1. Agrupe os dados:
  • Armazene a lista de colunas 'AirportFrom', 'Airline', 'Time' e 'Length' (nesta ordem) na variável columns.
  • Extraia columns de data.
  • A ordem é crucial dentro da função .groupby(); coloque as colunas 'AirportFrom' e 'Airline' nesta ordem.
  • Aplique a função aos valores do conjunto de dados que têm as mesmas chaves de grupo.
  • Calcule a soma das duas colunas: 'Length' e 'Time'. Em seguida, encontre o seu mínimo.

Tudo estava claro?

Seção 4. Capítulo 3
toggle bottom row
some-alt