Impara Raggruppamento per Più Colonne

Aggiungiamo alcune informazioni sul metodo .groupby(). È possibile raggruppare per più colonne, ma in questo caso l'ordine è fondamentale. Nel capitolo precedente, abbiamo raggruppato i dati per numero di volo e contato il numero di ritardi. Possiamo rendere questo compito più complesso raggruppando non solo per la colonna 'Flight', ma anche per la colonna 'Airline'. Rivedi le informazioni sul dataset e poi osserva questo semplice esempio (l'output contiene solo le prime 10 righe):


              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', 'Delay', 'Airline']].groupby(['Flight', 'Airline']).count()
print(data_flights.head(10))

Spiegazione:

data[['Flight', 'Delay', 'Airline']].groupby(['Flight', 'Airline']).count()

data[['Flight', 'Delay', 'Airline']] - colonne su cui lavorare, incluse quelle su cui si effettua il raggruppamento;
.groupby(['Flight', 'Airline']) - qui, 'Flight' e 'Airline' sono argomenti della funzione .groupby().

Attenzione: se si desidera raggruppare per più colonne, inserirle in una lista - l'ordine è fondamentale. Quindi, nel nostro caso, se le righe del dataset hanno lo stesso valore nella colonna 'Flight', esse apparterranno a un gruppo. All'interno di questi gruppi, la funzione individua altri gruppi per le righe con lo stesso valore nella colonna 'Airline'. Poi, grazie al metodo .count() che conta le righe, la funzione calcolerà il numero di righe nella colonna 'Delay' che hanno lo stesso valore nella colonna 'Airline' per ciascun gruppo 'Flight'.

Compito

Swipe to start coding

Il compito consiste nel raggruppare i dati in base all'aeroporto di partenza del volo e successivamente al giorno della settimana. Calcolare il tempo medio per ciascun gruppo. Seguire il seguente algoritmo per gestire il compito:

Raggruppamento dei dati:
- Estrarre le colonne 'AirportFrom', 'DayOfWeek' e 'Time' da data (in questo ordine);
- Applicare il metodo .groupby() alle colonne precedentemente estratte;
- All'interno del metodo .groupby(), inserire le colonne 'AirportFrom' e 'DayOfWeek'; l'ordine è fondamentale;
- Calcolare il valore medio della colonna 'Time'.
Visualizzare le prime 10 righe di data_flights.

Soluzione

Tutto è chiaro?

Grazie per i tuoi commenti!

Sezione 4. Capitolo 2

single

Chieda ad AI

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

Suggested prompts:

Can you explain why the order of columns in `.groupby()` matters?

What does the `.count()` method do in this context?

Can you show how the output would change if we switched the order of the columns in `.groupby()`?

Awesome!

Completion rate improved to 3.03

Scorri per mostrare il menu


              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', 'Delay', 'Airline']].groupby(['Flight', 'Airline']).count()
print(data_flights.head(10))