Lære Komplisert Gruppering

Det hender noen ganger at vi ikke er fornøyde med innebygde pandas-funksjoner, som .mean() eller .min() ved gruppering.

Se på kolonnen 'Length'; her har vi flytid i minutter. Tenk deg at vi ønsker å beregne maksimal tid i timer for elementer med samme verdi i kolonnen 'Flight' og deretter i 'Airline'. For å gjøre dette kan vi beregne maksimumsverdien i kolonnen 'Length' for hver gruppe-nøkkel og deretter dele den på 60. Se eksempelet og forklaringen nedenfor.


              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))

Forklaring:

Vi har gjort eksempelet fra de forrige kapitlene litt mer komplisert, men når det gjelder datagruppering, er alt det samme; la oss se nærmere på .apply()-metoden.

.apply(lambda x: x['Length'].max()/60)

.apply() – brukes for å anvende en spesifikk funksjon på de nødvendige kolonnene;
i lambda-funksjonen er x argumentet og x['Length'].max()/60 uttrykket. Funksjonen finner altså maksimumsverdien for hver gruppe-nøkkel og deler den aggregerte verdien på 60.

Oppgave

Swipe to start coding

Din oppgave her er å gruppere data etter flyplassen hvor flyvningen startet, og deretter etter ukedag. Beregn minimumstiden av summen av gruppenes kolonner 'Length' og 'Time' for å finne ut hvor lang tid en flyvning med forsinkelse kan ta. Følg algoritmen for å løse oppgaven:

Grupper data:

Lagre listen over kolonner 'AirportFrom', 'Airline', 'Time' og 'Length' (i denne rekkefølgen) i variabelen columns;
Ekstraher columns fra data;
Rekkefølgen er avgjørende i .groupby()-metoden; sett kolonnene 'AirportFrom' og 'Airline' i denne rekkefølgen;
Bruk funksjonen på verdiene i datasettet med samme gruppe-nøkler;
Beregn summen av de to kolonnene: 'Length' og 'Time'. Finn deretter minimumsverdien.

Løsning

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 4. Kapittel 3

single

Spør AI

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

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?

Awesome!

Completion rate improved to 3.03

Sveip for å vise menyen