GroupBy trong pandas qua ví dụ
Chia các hàng thành nhóm, tính trung bình hoặc tổng cho từng nhóm và gộp kết quả thành một báo cáo.
- groupby(cột)
- mean(), sum() và count() theo nhóm
- agg() để tính nhiều kết quả
- 1
A: 80, 90 | B: 70, 100Chia theo đội - 2
mean()Tính cho từng nhóm - 3
A 85.0 | B 85.0Gộp kết quả
Chia, tính, gộp
Vấn đề
"Điểm trung bình của mỗi đội là bao nhiêu?" "Tổng doanh số mỗi tháng?" Trả lời bằng cách lặp qua từng hàng và tự giữ một dictionary các tổng rất dễ sai. groupby làm giúp bạn việc chia nhóm và tóm tắt.
Hình dung đời thường
groupby giống chia hóa đơn vào các phong bì theo cửa hàng, cộng tổng từng phong bì rồi ghi các tổng lên một tờ tóm tắt. Chia vào phong bì, tính trong từng phong bì, gộp kết quả lại.
groupby("team")✉️ Mỗi đội một phong bì["score"]🧾 Xem điểm trên từng tờ hóa đơn.mean()🧮 Tính trung bình từng phong bì.reset_index()📄 Ghi kết quả lên một tờgroupby chia các hàng của DataFrame thành nhóm theo một hoặc nhiều cột, áp dụng một phép tính cho từng nhóm và gộp kết quả lại.
Những điểm quan trọng
results.groupby("team")chia các hàng thành đội A và đội B.["score"].mean()tính trung bình điểm trong từng đội.- Ở đây cả hai đội đều có trung bình 85.0.
reset_index()đưa nhãn đội trở lại thành một cột bình thường.
Khi nào nên sử dụng?
- Tóm tắt theo loại: trung bình theo lớp, tổng theo tháng, số lượng theo quốc gia.
- So sánh các nhóm cạnh nhau.
- Lập báo cáo và tạo đặc trưng (feature) cho phân tích.
Khi nào chưa cần
- Bản tóm tắt mà cả hàng và cột đều là các loại: bảng tổng hợp (pivot table) dễ đọc hơn.
- Chỉ cần một con số chung: gọi
.mean()trực tiếp trên cột.
Code ví dụ
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)
Kết quả khi chạy
team score
0 A 85.0
1 B 85.0
Giải thích code
Câu lệnh results.groupby("team") chia các hàng thành nhóm A và nhóm B. Sau đó ["score"].mean() tính điểm trung bình của từng nhóm, cả hai đều là 85.0. Kết quả ban đầu dùng tên nhóm làm chỉ số, nên reset_index() đưa cột team trở lại thành một cột bình thường trong DataFrame.
Thay đổi giá trị và chạy chương trình bằng trình chạy Python online của CodeUtility mà không cần cài Python.
Bài tập mở rộng
Hãy thử chỉnh sửa code theo các gợi ý dưới đây. Tự thay đổi và quan sát kết quả sẽ giúp bạn hiểu bài sâu hơn nhiều so với chỉ đọc code.
- Thêm dòng, cột và một vài giá trị bị thiếu vào dữ liệu mẫu.
- Kết hợp lọc, sắp xếp và groupby để tạo một báo cáo nhỏ.
- Đọc một file dữ liệu thật, kiểm tra kiểu dữ liệu của từng cột và xử lý các giá trị không hợp lệ.
Lỗi hay gặp
Quên chọn cột
Không chọn cột thì mean() áp dụng cho mọi cột, gây lỗi hoặc kết quả bất ngờ với cột chữ.
results.groupby("team").mean()
results.groupby("team")["score"].mean()
Bạn học xong bài này chưa?
Đánh dấu đã học để theo dõi tiến độ của bạn.
Luyện tập với thử thách
Áp dụng kiến thức của bài học này để giải một bài toán thực tế. Mỗi thử thách chạy ngay trên trình duyệt, có kiểm thử tức thì và AI nhận xét.
- Tournament Standings Rank teams from match records. Trung bình
- Bộ phân loại Naive Bayes Dự đoán lớp từ các đặc trưng phân loại bằng định lý Bayes và làm trơn Laplace. Trung bình