รัน pandas ออนไลน์

จัดกลุ่มข้อมูลด้วย groupby ใน pandas

ในบทเรียนนี้ คุณจะจัดกลุ่มแถวของ DataFrame ตามคอลัมน์และคำนวณค่าเฉลี่ยของแต่ละกลุ่มด้วย groupby()

  • ระดับกลาง
  • อ่าน 2 นาที
  • ตัวอย่างที่รันได้ 1 ตัวอย่าง

บทนำ

ปัญหาที่ต้องแก้

"คะแนนเฉลี่ยของแต่ละทีมคือเท่าไร" "ยอดขายรวมของแต่ละเดือน" การตอบคำถามเหล่านี้ด้วยการวนผ่านแถวและเก็บ dictionary ของยอดรวมนั้นผิดพลาดง่าย groupby ทำการแบ่งและสรุปให้คุณ

ลองนึกภาพแบบนี้

groupby เหมือนการแยกใบเสร็จใส่ซองตามร้าน รวมยอดแต่ละซอง แล้วเขียนยอดรวมลงในแผ่นสรุปแผ่นเดียว แบ่งใส่ซอง คำนวณต่อซอง รวมผลลัพธ์

จากซองใบเสร็จสู่โค้ด
groupby("team")✉️ หนึ่งซองต่อหนึ่งทีม
["score"]🧾 ดูคะแนนในแต่ละใบเสร็จ
.mean()🧮 หาค่าเฉลี่ยของแต่ละซอง
.reset_index()📄 เขียนผลลัพธ์ลงแผ่นเดียว
แบ่ง คำนวณ รวม
สรุปในประโยคเดียว

groupby แบ่งแถวของ DataFrame เป็นกลุ่มตามคอลัมน์หนึ่งหรือหลายคอลัมน์ ทำการคำนวณกับแต่ละกลุ่ม แล้วรวมผลลัพธ์

ประเด็นสำคัญ

  1. results.groupby("team") แบ่งแถวเป็นทีม A และทีม B
  2. ["score"].mean() หาค่าเฉลี่ยของคะแนนในแต่ละทีม
  3. ทั้งสองทีมเฉลี่ย 85.0 ในที่นี้
  4. reset_index() เปลี่ยนป้ายทีมกลับเป็นคอลัมน์ปกติ

ใช้เมื่อไร?

  • สรุปตามหมวดหมู่: ค่าเฉลี่ยต่อห้อง ยอดรวมต่อเดือน จำนวนต่อประเทศ
  • เปรียบเทียบกลุ่มเคียงกัน
  • สร้างรายงานและ feature สำหรับการวิเคราะห์

เมื่อไรยังไม่จำเป็น

  • การสรุปที่ทั้งแถวและคอลัมน์เป็นหมวดหมู่: pivot table อ่านง่ายกว่า
  • ตัวเลขรวมตัวเดียว: เรียก .mean() บนคอลัมน์โดยตรง

โค้ดตัวอย่าง

รันโค้ด →
main.py
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)
สร้างปุ่ม Run สำหรับตัวอย่างนี้

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

  1. เพิ่มแถว คอลัมน์ และค่าที่หายไปบางส่วนในข้อมูลตัวอย่าง
  2. รวมการกรอง การเรียง และ groupby เพื่อสร้างรายงานเล็ก ๆ
  3. อ่านไฟล์ข้อมูลจริง ตรวจชนิดของแต่ละคอลัมน์ และจัดการค่าที่ไม่ถูกต้อง
รันในคอมไพเลอร์ Python →

ข้อผิดพลาดที่พบบ่อย

ลืมเลือกคอลัมน์

ถ้าไม่เลือกคอลัมน์ mean() จะถูกใช้กับทุกคอลัมน์ ซึ่งล้มเหลวหรือให้ผลที่น่าแปลกใจกับคอลัมน์ข้อความ

ปัญหา
results.groupby("team").mean()
วิธีแก้
results.groupby("team")["score"].mean()

เรียนบทนี้จบแล้วใช่ไหม

ทำเครื่องหมายว่าเรียนแล้วเพื่อติดตามความคืบหน้า

ฝึกด้วยโจทย์

ใช้สิ่งที่เรียนในบทนี้แก้ปัญหาจริง ทุกโจทย์รันในเบราว์เซอร์ พร้อมการทดสอบทันทีและรีวิวจาก AI

โจทย์ทั้งหมด