Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Oppiskele Monimutkainen Ryhmittely | Datan Yhdistäminen
Edistyneet Tekniikat Pandas-Kirjastossa

bookMonimutkainen Ryhmittely

Joskus sisäänrakennetut pandas-funktiot, kuten .mean() tai .min(), eivät riitä ryhmittelyssä.

Tarkastele saraketta 'Length'; tässä on lennon kesto minuutteina. Kuvittele, että haluamme laskea maksimiajan tunneissa niille riveille, joilla on sama arvo sarakkeessa 'Flight' ja sen jälkeen sarakkeessa 'Airline'. Tämän saavuttamiseksi voimme laskea sarakkeen 'Length' maksimiarvon jokaiselle ryhmäavaimelle ja jakaa sen sitten 60:llä. Katso esimerkki ja selitys alla.

1234
import pandas as pd data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/plane', index_col = 0) data_flights = data[['Flight', 'Airline', 'Length']].groupby(['Flight', 'Airline']).apply(lambda x: x['Length'].max()/60) print(data_flights.head(10))
copy

Selitys:

Teimme aiemman esimerkin hieman monimutkaisemmaksi, mutta tietojen ryhmittelyssä kaikki pysyy ennallaan; siirrytään nyt käyttämään .apply()-metodia.

.apply(lambda x: x['Length'].max()/60)
  • .apply() – mahdollistaa tietyn funktion soveltamisen tarvittuihin sarakkeisiin;
  • lambda-funktiossa x on argumentti ja x['Length'].max()/60 on lauseke. Funktio siis etsii suurimman arvon jokaiselle ryhmäavaimelle ja jakaa kootun arvon 60:llä.
Tehtävä

Swipe to start coding

Tehtävänäsi on analysoida lentojen kestoja huomioiden lähtökenttä, lentoyhtiö ja viikonpäivä. Ryhmittele data selvittääksesi pienimmän kokonaislentoaikaan (eli 'Length' ja 'Time' -sarakkeiden summan) jokaiselle yksilölliselle lähtökentän, lentoyhtiön ja viikonpäivän yhdistelmälle.

Noudata algoritmia vaihe vaiheelta:

  1. Tallenna sarakkeiden lista 'AirportFrom', 'Airline', 'DayOfWeek', 'Time' ja 'Length' (tässä järjestyksessä) muuttujaan columns.
  2. Poimi nämä sarakkeet data-datakehyksestä hakasulkujen avulla (data[columns]).
  3. Ryhmittele aineisto sarakkeiden 'AirportFrom', 'Airline' ja 'DayOfWeek' mukaan (tässä järjestyksessä).
  4. Käytä .groupby()-menetelmän sisällä .apply()-funktiota laskeaksesi kunkin ryhmän 'Length'- ja 'Time'-sarakkeiden summan ja etsi sitten tämän summan pienin arvo.
  5. Tallenna tulos muuttujaan data_flights.
  6. Tulosta tuloksena saadun Series-olion ensimmäiset 10 riviä metodilla .head(10).

Ratkaisu

Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 4. Luku 3
single

single

Kysy tekoälyä

expand

Kysy tekoälyä

ChatGPT

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Suggested prompts:

Can you explain what the output of this code will look like?

How does the `.apply()` method differ from using `.agg()` in this context?

Can you show how to reset the index of the resulting DataFrame?

close

Awesome!

Completion rate improved to 3.03

bookMonimutkainen Ryhmittely

Pyyhkäise näyttääksesi valikon

Joskus sisäänrakennetut pandas-funktiot, kuten .mean() tai .min(), eivät riitä ryhmittelyssä.

Tarkastele saraketta 'Length'; tässä on lennon kesto minuutteina. Kuvittele, että haluamme laskea maksimiajan tunneissa niille riveille, joilla on sama arvo sarakkeessa 'Flight' ja sen jälkeen sarakkeessa 'Airline'. Tämän saavuttamiseksi voimme laskea sarakkeen 'Length' maksimiarvon jokaiselle ryhmäavaimelle ja jakaa sen sitten 60:llä. Katso esimerkki ja selitys alla.

1234
import pandas as pd data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/plane', index_col = 0) data_flights = data[['Flight', 'Airline', 'Length']].groupby(['Flight', 'Airline']).apply(lambda x: x['Length'].max()/60) print(data_flights.head(10))
copy

Selitys:

Teimme aiemman esimerkin hieman monimutkaisemmaksi, mutta tietojen ryhmittelyssä kaikki pysyy ennallaan; siirrytään nyt käyttämään .apply()-metodia.

.apply(lambda x: x['Length'].max()/60)
  • .apply() – mahdollistaa tietyn funktion soveltamisen tarvittuihin sarakkeisiin;
  • lambda-funktiossa x on argumentti ja x['Length'].max()/60 on lauseke. Funktio siis etsii suurimman arvon jokaiselle ryhmäavaimelle ja jakaa kootun arvon 60:llä.
Tehtävä

Swipe to start coding

Tehtävänäsi on analysoida lentojen kestoja huomioiden lähtökenttä, lentoyhtiö ja viikonpäivä. Ryhmittele data selvittääksesi pienimmän kokonaislentoaikaan (eli 'Length' ja 'Time' -sarakkeiden summan) jokaiselle yksilölliselle lähtökentän, lentoyhtiön ja viikonpäivän yhdistelmälle.

Noudata algoritmia vaihe vaiheelta:

  1. Tallenna sarakkeiden lista 'AirportFrom', 'Airline', 'DayOfWeek', 'Time' ja 'Length' (tässä järjestyksessä) muuttujaan columns.
  2. Poimi nämä sarakkeet data-datakehyksestä hakasulkujen avulla (data[columns]).
  3. Ryhmittele aineisto sarakkeiden 'AirportFrom', 'Airline' ja 'DayOfWeek' mukaan (tässä järjestyksessä).
  4. Käytä .groupby()-menetelmän sisällä .apply()-funktiota laskeaksesi kunkin ryhmän 'Length'- ja 'Time'-sarakkeiden summan ja etsi sitten tämän summan pienin arvo.
  5. Tallenna tulos muuttujaan data_flights.
  6. Tulosta tuloksena saadun Series-olion ensimmäiset 10 riviä metodilla .head(10).

Ratkaisu

Switch to desktopVaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista
Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 4. Luku 3
single

single

some-alt