Kennismaken met de .groupby()-Methode
Ik ben blij je in deze sectie te zien. Hier groeperen we onze gegevens om informatie te vinden over verschillende groepen rijen. Bekijk de dataset over vertragingen (je kunt horizontaal door deze tabel scrollen):
Gegevens groeperen is nuttig, en nu gaan we er dieper op in. Stel je voor dat je het aantal vertragingen per vluchtnummer wilt berekenen. Bekijk het codevoorbeeld en daarna de uitleg:
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())
Uitleg:
data[['Flight', 'Delay']].groupby('Flight').sum()
data[['Flight', 'Delay']]- Dit zijn de kolommen waarmee gewerkt wordt, inclusief de kolommen waarop gegroepeerd zal worden;groupby('Flight')- De kolom'Flight'is het argument voor de.groupby()-functie. Dit betekent dat rijen met dezelfde waarde in de kolom'Flight'samen worden gegroepeerd;.sum()- Deze functie wordt toegepast op de rijen binnen elke groep die door.groupby()is aangemaakt. In dit geval worden de waarden in de kolom'Delay'opgeteld voor rijen die tot dezelfde'Flight'-groep behoren.
Aangezien de kolom 'Delay' alleen 0 (geen vertraging opgetreden) of 1 (vertraging opgetreden) als mogelijke waarden bevat, geeft de som van de rijen het aantal vertragingen per vlucht weer.
In feite is .sum() slechts één van de vele aggregatiefuncties die gebruikt kunnen worden. U zult met al deze functies vertrouwd raken naarmate u verder gaat.
Bedankt voor je feedback!
Vraag AI
Vraag AI
Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.
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 3.03Kennismaken met de .groupby()-Methode
Veeg om het menu te tonen
Ik ben blij je in deze sectie te zien. Hier groeperen we onze gegevens om informatie te vinden over verschillende groepen rijen. Bekijk de dataset over vertragingen (je kunt horizontaal door deze tabel scrollen):
Gegevens groeperen is nuttig, en nu gaan we er dieper op in. Stel je voor dat je het aantal vertragingen per vluchtnummer wilt berekenen. Bekijk het codevoorbeeld en daarna de uitleg:
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())
Uitleg:
data[['Flight', 'Delay']].groupby('Flight').sum()
data[['Flight', 'Delay']]- Dit zijn de kolommen waarmee gewerkt wordt, inclusief de kolommen waarop gegroepeerd zal worden;groupby('Flight')- De kolom'Flight'is het argument voor de.groupby()-functie. Dit betekent dat rijen met dezelfde waarde in de kolom'Flight'samen worden gegroepeerd;.sum()- Deze functie wordt toegepast op de rijen binnen elke groep die door.groupby()is aangemaakt. In dit geval worden de waarden in de kolom'Delay'opgeteld voor rijen die tot dezelfde'Flight'-groep behoren.
Aangezien de kolom 'Delay' alleen 0 (geen vertraging opgetreden) of 1 (vertraging opgetreden) als mogelijke waarden bevat, geeft de som van de rijen het aantal vertragingen per vlucht weer.
In feite is .sum() slechts één van de vele aggregatiefuncties die gebruikt kunnen worden. U zult met al deze functies vertrouwd raken naarmate u verder gaat.
Bedankt voor je feedback!
