Вивчайте Group_by та агрегації | Об'єднання, Агрегація

Свайпніть щоб показати меню

Групування та агрегація даних — ключова частина підготовки даних, особливо коли потрібно підсумувати інформацію за категоріями. За допомогою Polars можна ефективно виконувати операції групування та агрегації результатів у паралельному режимі, що ідеально підходить для великих наборів даних. Припустимо, у вас є DataFrame під назвою games_df зі стовпцями, такими як developer, price, positive_reviews та negative_reviews. Можливо, ви захочете знайти середню ціну та загальну кількість відгуків для кожного розробника. У Polars це можна зробити за допомогою методу group_by, а також агрегуючих функцій, таких як mean і sum.

Ось як можна згрупувати games_df за стовпцем developer, обчислити середню ціну та підсумувати загальну кількість відгуків (об'єднуючи як позитивні, так і негативні відгуки):


              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)

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 2. Розділ 1

Запитати АІ

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат

Секція 2. Розділ 1