Desafio 2: Agrupamento de Dados

O Pandas, conhecido por suas ferramentas abrangentes de análise de dados, oferece um mecanismo versátil de agrupamento chamado método groupby. Esse método é fundamental para agregar dados com base em certos critérios, um processo semelhante à instrução GROUP BY do SQL. Os benefícios de usar groupby são vários:

Controle de Granularidade: Você pode agregar dados em diferentes níveis de granularidade, desde o nível mais alto (por exemplo, agrupando por país) até o mais detalhado (por exemplo, agrupando por carimbos de data/hora individuais).
Simplicidade: A sintaxe de groupby é concisa e expressiva, facilitando a realização de operações encadeadas e a obtenção de agregações complexas.
Extensibilidade: Com groupby , você pode aplicar funções de agregação personalizadas, não apenas as embutidas, dando a você o poder de calcular métricas personalizadas para os grupos.

Ao se aprofundar na exploração de dados, as capacidades de agrupamento do Pandas podem revelar padrões e tendências esclarecedores ao segmentar os dados em categorias significativas.

Tarefa

Swipe to start coding

Demonstre o agrupamento de dados em Pandas com as seguintes tarefas:

Agrupe os dados por uma única coluna A.
Some todos os dados agrupados para a coluna A usando a função integrada.
Aplique várias funções de agregação ao mesmo tempo. Obtenha a agregação de soma para a coluna B e média para a coluna C.
Agrupe por múltiplas colunas (A e B).

Solução

import pandas as pd

# Sample DataFrame

df = pd.DataFrame({

'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar'],

'B': [1, 2, 1, 4, 5, 2],

'C': [2.5, 3.5, 4.5, 2.5, 3.5, 4.5]

})

# 1. Group data by a single column.

grouped_A = df.groupby('A')

# 2. Sum all data grouped for column `A` using the built-in function.

sum_grouped_A = grouped_A.sum()

display(sum_grouped_A)

print('-' * 20)

# 3. Apply multiple aggregation functions simultaneously.

multi_aggregate = grouped_A.agg({'B': 'sum', 'C': 'mean'})

display(multi_aggregate)

print('-' * 20)

# 4. Group by multiple columns.

grouped_A_B = df.groupby(['A', 'B']).sum()

display(grouped_A_B)

Tudo estava claro?

Obrigado pelo seu feedback!

Seção 3. Capítulo 2

import pandas as pd

# Sample DataFrame

df = pd.DataFrame({

'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar'],

'B': [1, 2, 1, 4, 5, 2],

'C': [2.5, 3.5, 4.5, 2.5, 3.5, 4.5]

})

# 1. Group data by a single column A.

grouped_A = ___

# 2. Sum all data grouped for column `A` using the built-in function.

sum_grouped_A = ___

display(sum_grouped_A)

print('-' * 20)

# 3. Apply multiple aggregation functions simultaneously.

multi_aggregate = ___

display(multi_aggregate)

print('-' * 20)

# 4. Group by multiple columns.

grouped_A_B = ___

display(grouped_A_B)

Pergunte à IA

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