Lära Komplicerad Gruppering | Aggregering av Data

Ibland händer det att vi inte är nöjda med inbyggda pandas-funktioner, såsom .mean() eller .min() vid gruppering.

Titta på kolumnen 'Length'; här har vi flygtiden i minuter. Föreställ dig att vi vill beräkna den maximala tiden i timmar för poster med samma värde i kolumnen 'Flight' och sedan i 'Airline'. För att göra detta kan vi beräkna det maximala värdet i kolumnen 'Length' för varje gruppnyckel och sedan dividera det med 60. Se exemplet och förklaringen nedan.


              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))

Förklaring:

Vi har gjort exemplet från de tidigare kapitlen lite mer komplicerat, men vid datagruppning är allt detsamma; vi vänder oss till metoden .apply().

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

.apply() – används för att tillämpa en specifik funktion på önskade kolumner;
i lambda-funktionen är x argumentet och x['Length'].max()/60 är uttrycket. Funktionen hittar alltså det högsta värdet för varje gruppnyckel och dividerar det aggregerade värdet med 60.

Uppgift

Swipe to start coding

Din uppgift här är att analysera flygtider med hänsyn till flygplats, flygbolag och veckodag. Du ska gruppera data för att bestämma den minsta totala flygtiden (summan av 'Length' och 'Time') för varje unik kombination av avgångsflygplats, flygbolag och veckodag.

Följ algoritmen steg för steg:

Spara listan med kolumnerna 'AirportFrom', 'Airline', 'DayOfWeek', 'Time' och 'Length' (i denna ordning) i variabeln columns.
Extrahera dessa kolumner från data med hakparentesnotation (data[columns]).
Gruppera datasetet efter 'AirportFrom', 'Airline' och 'DayOfWeek' (i exakt denna ordning).
Inuti .groupby()-metoden, använd funktionen .apply() för att beräkna summan av kolumnerna 'Length' och 'Time' för varje grupp, och hitta sedan minimum av denna summa.
Tilldela resultatet till en variabel som heter data_flights.
Visa de första 10 raderna av den resulterande Series med .head(10).

Lösning

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 4. Kapitel 3

single

Fråga AI

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

Awesome!

Completion rate improved to 3.03

Svep för att visa menyn