Aprenda Group_by e Agregações | Combinando, Agregando

Deslize para mostrar o menu

Agrupamento e agregação de dados são partes essenciais da preparação de dados, especialmente quando se deseja resumir informações por categorias. Com o Polars, é possível realizar operações de group-by e agregar resultados de forma eficiente e paralela, tornando-o ideal para grandes conjuntos de dados. Suponha que você tenha um DataFrame chamado games_df com colunas como developer, price, positive_reviews e negative_reviews. Pode ser interessante encontrar o preço médio e o total de avaliações para cada desenvolvedor. No Polars, isso pode ser feito utilizando o método group_by, seguido de funções de agregação como mean e sum.

Veja como agrupar o games_df pela coluna developer, calcular o preço médio e somar o total de avaliações (combinando avaliações positivas e negativas):


              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)

Tudo estava claro?

Obrigado pelo seu feedback!

Seção 2. Capítulo 1

Pergunte à IA

Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo

Seção 2. Capítulo 1