Raggruppare i dati con groupby in pandas
In questa lezione raggrupperai le righe di un DataFrame in base a una colonna e calcolerai la media di ogni gruppo con groupby().
Introduzione
Il problema
Qual è il punteggio medio di ogni squadra? E le vendite totali per mese? Se rispondi scorrendo le righe con un ciclo e aggiornando un dizionario di totali, è facile sbagliare. groupby divide e riassume per te.
Immaginalo così
groupby è come dividere gli scontrini in buste per negozio, sommare ogni busta e scrivere i totali su un unico foglio riassuntivo. Dividi in buste, calcola per busta, unisci i risultati.
groupby("team")✉️ Una busta per squadra["score"]🧾 Guarda il punteggio su ogni scontrino.mean()🧮 Fai la media di ogni busta.reset_index()📄 Scrivi i risultati su un fogliogroupby divide le righe di un DataFrame in gruppi in base a una o più colonne, applica un calcolo a ogni gruppo e unisce i risultati.
Punti chiave
results.groupby("team")divide le righe nella squadra A e nella squadra B.["score"].mean()fa la media dei punteggi dentro ogni squadra.- Qui entrambe le squadre hanno una media di 85.0.
reset_index()trasforma di nuovo le etichette delle squadre in una colonna normale.
Quando si usa?
- Riepiloghi per categoria: media per classe, totale per mese, conteggio per paese.
- Confrontare gruppi uno accanto all'altro.
- Costruire report e nuove feature (variabili) per l'analisi.
Quando non serve
- Un riepilogo con categorie sia nelle righe sia nelle colonne: una tabella pivot è più facile da leggere.
- Un solo numero complessivo: chiama direttamente
.mean()sulla colonna.
Codice di esempio
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)
Risultato dell'esecuzione
team score
0 A 85.0
1 B 85.0
Spiegazione del codice
L'istruzione results.groupby("team") divide le righe nei gruppi A e B. Poi ["score"].mean() calcola il voto medio di ogni gruppo, che è 85.0 in entrambi i casi. Il risultato usa il nome della squadra come indice, quindi reset_index() riporta team a essere una colonna normale del DataFrame.
Modifica i valori ed esegui il programma nel compilatore Python online CodeUtility senza installare Python.
Esercizi di approfondimento
Prova a modificare il codice seguendo i suggerimenti qui sotto. Cambiare il codice e osservare il risultato ti aiuta a capire molto più che leggerlo soltanto.
- Aggiungi righe, colonne e qualche valore mancante ai dati di esempio.
- Combina filtro, ordinamento e groupby per creare un piccolo report.
- Leggi un file di dati reale, controlla il tipo di ogni colonna e gestisci i valori non validi.
Errori comuni
Dimenticare di scegliere una colonna
Senza una colonna, mean() viene applicata a tutte le colonne, e con quelle di testo dà un errore o risultati inattesi.
results.groupby("team").mean()
results.groupby("team")["score"].mean()
Hai finito questa lezione?
Segnala come imparata per tenere traccia dei tuoi progressi.
Esercitati con una sfida
Usa ciò che questa lezione spiega per risolvere un problema reale. Ogni sfida gira nel browser, con test immediati e una revisione dell'IA.
- Tournament Standings Rank teams from match records. Media
- Classificatore Naive Bayes Prevedi una classe da variabili categoriali con il teorema di Bayes e lo smoothing di Laplace. Media