Introduzione al Metodo .groupby()
Sono lieto di vederti in questa sezione. Qui raggrupperemo i nostri dati per trovare informazioni su diversi gruppi di righe. Esamina il set di dati sui ritardi (puoi scorrere questa tabella orizzontalmente):
Raggruppare i dati è vantaggioso e ora lo approfondiremo. Immagina di voler calcolare il numero di ritardi per ogni numero di volo. Osserva l'esempio di codice e poi la spiegazione:
1234import 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']].groupby('Flight').sum() print(data_flights.head())
Spiegazione:
data[['Flight', 'Delay']].groupby('Flight').sum()
data[['Flight', 'Delay']]- Queste sono le colonne su cui si lavora, incluse quelle su cui si effettua il raggruppamento;groupby('Flight')- La colonna'Flight'è l'argomento della funzione.groupby(). Questo significa che le righe con lo stesso valore nella colonna'Flight'verranno raggruppate insieme;.sum()- Questa funzione opera sulle righe all'interno di ciascun gruppo creato da.groupby(). In questo caso, somma i valori nella colonna'Delay'per le righe che appartengono allo stesso gruppo'Flight'.
Poiché la colonna 'Delay' contiene solo 0 (nessun ritardo) o 1 (ritardo avvenuto) come possibili valori, la somma delle righe rappresenta il numero di ritardi per ciascun volo.
Infatti, .sum() è una delle molte funzioni di aggregazione che si possono utilizzare. Verranno approfondite tutte nel corso delle lezioni.
Grazie per i tuoi commenti!
Chieda ad AI
Chieda ad AI
Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione
Can you explain how to use other aggregation functions like mean or median?
What does the output look like when grouping by a different column?
Can you show an example of grouping by multiple columns?
Awesome!
Completion rate improved to 3.03Introduzione al Metodo .groupby()
Scorri per mostrare il menu
Sono lieto di vederti in questa sezione. Qui raggrupperemo i nostri dati per trovare informazioni su diversi gruppi di righe. Esamina il set di dati sui ritardi (puoi scorrere questa tabella orizzontalmente):
Raggruppare i dati è vantaggioso e ora lo approfondiremo. Immagina di voler calcolare il numero di ritardi per ogni numero di volo. Osserva l'esempio di codice e poi la spiegazione:
1234import 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']].groupby('Flight').sum() print(data_flights.head())
Spiegazione:
data[['Flight', 'Delay']].groupby('Flight').sum()
data[['Flight', 'Delay']]- Queste sono le colonne su cui si lavora, incluse quelle su cui si effettua il raggruppamento;groupby('Flight')- La colonna'Flight'è l'argomento della funzione.groupby(). Questo significa che le righe con lo stesso valore nella colonna'Flight'verranno raggruppate insieme;.sum()- Questa funzione opera sulle righe all'interno di ciascun gruppo creato da.groupby(). In questo caso, somma i valori nella colonna'Delay'per le righe che appartengono allo stesso gruppo'Flight'.
Poiché la colonna 'Delay' contiene solo 0 (nessun ritardo) o 1 (ritardo avvenuto) come possibili valori, la somma delle righe rappresenta il numero di ritardi per ciascun volo.
Infatti, .sum() è una delle molte funzioni di aggregazione che si possono utilizzare. Verranno approfondite tutte nel corso delle lezioni.
Grazie per i tuoi commenti!
