Lære Group_by og aggregeringer | Kombinering, aggregering

Sveip for å vise menyen

Gruppering og aggregering av data er en sentral del av datahåndtering, spesielt når du ønsker å oppsummere informasjon etter kategorier. Med Polars kan du effektivt utføre group-by-operasjoner og aggregere resultater parallelt, noe som gjør det ideelt for store datasett. Anta at du har en DataFrame kalt games_df med kolonner som developer, price, positive_reviews og negative_reviews. Du kan for eksempel ønske å finne gjennomsnittspris og totalt antall anmeldelser for hver utvikler. I Polars kan dette gjøres ved å bruke metoden group_by, etterfulgt av aggregeringsfunksjoner som mean og sum.

Slik kan du gruppere games_df etter kolonnen developer, beregne gjennomsnittspris og summere totalt antall anmeldelser (kombinert positive og negative anmeldelser):


              123456789101112131415161718192021
            
import polars as pl

# Sample data
games_df = pl.DataFrame({
    "developer": ["DevA", "DevB", "DevA", "DevC", "DevB"],
    "price": [10.0, 20.0, 15.0, 30.0, 25.0],
    "positive_reviews": [100, 150, 200, 80, 120],
    "negative_reviews": [10, 20, 15, 5, 8]
})

# Group by developer, calculate average price and total reviews
result = (
    games_df
    .group_by("developer")
    .agg([
        pl.col("price").mean().alias("avg_price"),
        (pl.col("positive_reviews") + pl.col("negative_reviews")).sum().alias("total_reviews")
    ])
)

print(result)

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 2. Kapittel 1

Spør AI

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår

Seksjon 2. Kapittel 1