Regrouper des données avec groupby dans pandas
Dans cette leçon, vous allez regrouper les lignes d'un DataFrame selon une colonne et calculer la moyenne de chaque groupe avec groupby().
Introduction
Le problème
« Quelle est la note moyenne par équipe ? » « Le total des ventes par mois ? » Y répondre en parcourant les lignes et en tenant un dictionnaire de totaux est source d'erreurs. groupby fait le découpage et le résumé pour vous.
Imaginez-le ainsi
groupby, c'est comme trier des tickets de caisse dans des enveloppes par magasin, additionner chaque enveloppe et écrire les totaux sur une feuille récapitulative. Répartir dans les enveloppes, calculer par enveloppe, combiner les résultats.
groupby("team")✉️ Une enveloppe par équipe["score"]🧾 Regarder la note sur chaque ticket.mean()🧮 Faire la moyenne de chaque enveloppe.reset_index()📄 Écrire les résultats sur une feuillegroupby répartit les lignes d'un DataFrame en groupes selon une ou plusieurs colonnes, applique un calcul à chaque groupe et combine les résultats.
Points clés
results.groupby("team")répartit les lignes entre l'équipe A et l'équipe B.["score"].mean()fait la moyenne des notes au sein de chaque équipe.- Les deux équipes ont ici une moyenne de 85.0.
reset_index()retransforme les étiquettes d'équipe en colonne normale.
Quand l’utiliser ?
- Les résumés par catégorie : moyenne par classe, total par mois, nombre par pays.
- Comparer des groupes côte à côte.
- Construire des rapports et des variables pour l'analyse.
Quand s'en passer
- Un résumé avec des catégories en lignes et en colonnes : un tableau croisé est plus lisible.
- Un seul nombre global : appelez directement
.mean()sur la colonne.
Code d’exemple
import pandas as pd
results = pd.DataFrame({
"team": ["A", "A", "B", "B"],
"score": [80, 90, 70, 100],
})
averages = results.groupby("team")["score"].mean().reset_index()
print(averages)
Résultat de l’exécution
team score
0 A 85.0
1 B 85.0
Explication du code
L'instruction results.groupby("team") répartit les lignes dans les groupes A et B. Ensuite, ["score"].mean() calcule la note moyenne de chaque groupe, 85.0 dans les deux cas. Le résultat utilise d'abord le nom de l'équipe comme index, c'est pourquoi reset_index() refait de team une colonne normale du DataFrame.
Modifiez les valeurs et exécutez le programme avec le compilateur Python en ligne CodeUtility, sans installation locale.
Exercices d’approfondissement
Essayez de modifier le code en suivant les pistes ci-dessous. Changer le code et observer le résultat vous fera bien mieux comprendre la leçon que la simple lecture.
- Ajoutez des lignes, des colonnes et quelques valeurs manquantes aux données d’exemple.
- Combinez filtrage, tri et groupby pour produire un petit rapport.
- Lisez un vrai fichier de données, vérifiez le type de chaque colonne et traitez les valeurs invalides.
Erreurs fréquentes
Oublier de choisir une colonne
Sans colonne, mean() s'applique à toutes les colonnes, ce qui échoue ou surprend avec les colonnes de texte.
results.groupby("team").mean()
results.groupby("team")["score"].mean()
Leçon terminée ?
Marquez-la comme apprise pour suivre votre progression.
S'entraîner avec un défi
Utilisez le contenu de cette leçon pour résoudre un vrai problème. Chaque défi s'exécute dans le navigateur, avec des tests instantanés et une revue par l'IA.
- Tournament Standings Rank teams from match records. Moyen
- Classifieur naïf bayésien Prédisez une classe à partir de variables catégorielles avec le théorème de Bayes et le lissage de Laplace. Moyen