จัดกลุ่มข้อมูลด้วย groupby ใน pandas
ในบทเรียนนี้ คุณจะจัดกลุ่มแถวของ DataFrame ตามคอลัมน์และคำนวณค่าเฉลี่ยของแต่ละกลุ่มด้วย groupby()
บทนำ
ปัญหาที่ต้องแก้
"คะแนนเฉลี่ยของแต่ละทีมคือเท่าไร" "ยอดขายรวมของแต่ละเดือน" การตอบคำถามเหล่านี้ด้วยการวนผ่านแถวและเก็บ dictionary ของยอดรวมนั้นผิดพลาดง่าย groupby ทำการแบ่งและสรุปให้คุณ
ลองนึกภาพแบบนี้
groupby เหมือนการแยกใบเสร็จใส่ซองตามร้าน รวมยอดแต่ละซอง แล้วเขียนยอดรวมลงในแผ่นสรุปแผ่นเดียว แบ่งใส่ซอง คำนวณต่อซอง รวมผลลัพธ์
groupby("team")✉️ หนึ่งซองต่อหนึ่งทีม["score"]🧾 ดูคะแนนในแต่ละใบเสร็จ.mean()🧮 หาค่าเฉลี่ยของแต่ละซอง.reset_index()📄 เขียนผลลัพธ์ลงแผ่นเดียวgroupby แบ่งแถวของ DataFrame เป็นกลุ่มตามคอลัมน์หนึ่งหรือหลายคอลัมน์ ทำการคำนวณกับแต่ละกลุ่ม แล้วรวมผลลัพธ์
ประเด็นสำคัญ
results.groupby("team")แบ่งแถวเป็นทีม A และทีม B["score"].mean()หาค่าเฉลี่ยของคะแนนในแต่ละทีม- ทั้งสองทีมเฉลี่ย 85.0 ในที่นี้
reset_index()เปลี่ยนป้ายทีมกลับเป็นคอลัมน์ปกติ
ใช้เมื่อไร?
- สรุปตามหมวดหมู่: ค่าเฉลี่ยต่อห้อง ยอดรวมต่อเดือน จำนวนต่อประเทศ
- เปรียบเทียบกลุ่มเคียงกัน
- สร้างรายงานและ feature สำหรับการวิเคราะห์
เมื่อไรยังไม่จำเป็น
- การสรุปที่ทั้งแถวและคอลัมน์เป็นหมวดหมู่: pivot table อ่านง่ายกว่า
- ตัวเลขรวมตัวเดียว: เรียก
.mean()บนคอลัมน์โดยตรง
โค้ดตัวอย่าง
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)
ผลลัพธ์จากการรัน
team score
0 A 85.0
1 B 85.0
อธิบายโค้ด
results.groupby("team") แบ่งแถวเป็นกลุ่ม A และ B จากนั้น ["score"].mean() คำนวณคะแนนเฉลี่ยของแต่ละกลุ่ม ซึ่งได้ 85.0 ทั้งคู่ ผลลัพธ์ใช้ชื่อทีมเป็นดัชนีก่อน reset_index() จึงเปลี่ยน team กลับเป็นคอลัมน์ปกติของ DataFrame
เปลี่ยนค่าและรันโปรแกรมด้วย คอมไพเลอร์ Python ออนไลน์ของ CodeUtility โดยไม่ต้องติดตั้ง Python
แบบฝึกหัดเพิ่มเติม
ลองแก้โค้ดตามคำแนะนำด้านล่าง การเปลี่ยนโค้ดแล้วดูผลลัพธ์จะช่วยให้เข้าใจบทเรียนได้ดีกว่าการอ่านอย่างเดียวมาก
- เพิ่มแถว คอลัมน์ และค่าที่หายไปบางส่วนในข้อมูลตัวอย่าง
- รวมการกรอง การเรียง และ groupby เพื่อสร้างรายงานเล็ก ๆ
- อ่านไฟล์ข้อมูลจริง ตรวจชนิดของแต่ละคอลัมน์ และจัดการค่าที่ไม่ถูกต้อง
ข้อผิดพลาดที่พบบ่อย
ลืมเลือกคอลัมน์
ถ้าไม่เลือกคอลัมน์ mean() จะถูกใช้กับทุกคอลัมน์ ซึ่งล้มเหลวหรือให้ผลที่น่าแปลกใจกับคอลัมน์ข้อความ
results.groupby("team").mean()
results.groupby("team")["score"].mean()
เรียนบทนี้จบแล้วใช่ไหม
ทำเครื่องหมายว่าเรียนแล้วเพื่อติดตามความคืบหน้า
ฝึกด้วยโจทย์
ใช้สิ่งที่เรียนในบทนี้แก้ปัญหาจริง ทุกโจทย์รันในเบราว์เซอร์ พร้อมการทดสอบทันทีและรีวิวจาก AI
- Tournament Standings Rank teams from match records. ปานกลาง
- ตัวจำแนกแบบ Naive Bayes ทำนายคลาสจากฟีเจอร์แบบหมวดหมู่ด้วยทฤษฎีบทของเบย์และการปรับเรียบแบบลาปลาซ ปานกลาง