Группа — довольно простая концепция. Мы можем создать группу категорий и применить функцию к категориям. Это простая концепция, но чрезвычайно ценный метод, который широко используется в данных. наука. В реальных проектах науки о данных вам придется иметь дело с большими объемами данных и пытаться делать что-то повторно, поэтому для эффективности мы используем концепцию Groupby. Концепция Groupby действительно важна, потому что она способна эффективно объединять данные как с точки зрения производительности, так и с точки зрения объема кода. Группировка в основном относится к процессу, включающему один или несколько из следующих шагов:
- Разделение: это процесс, в котором мы делим данные на группы, применяя определенные условия к наборам данных. .
- Применение: — это процесс, в котором мы применяем функцию к каждой группе независимо.
- Консолидация: — это процесс, в котором мы объединяем различные наборы данных после применения группировки и результатов в структуру данных
Следующее изображение поможет вам понять процесс, связанный с концепцией Groupby.
1. Сгруппируйте уникальные значения из столбца "Команда".
2. Теперь для каждой группы есть сегмент
3. Разбрасывайте другие данные по корзинам
4. Примените функцию к столбцу веса для каждого сегмента.
Разделение данных на группы
Разбиение — это процесс, в котором мы делим данные на группы, применяя к наборам данных некоторые условия. Чтобы разделить данные, мы применяем определенные условия к наборам данных. Для разделения данных мы используем groupby () эта функция используется для разделения данных на группы по некоторым критериям . Объекты Pandas можно разделить на любую из их осей. Абстрактное определение группировки состоит в том, чтобы обеспечить сопоставление меток с именами групп. Наборы данных Pandas можно разделить на любые объекты. Существует несколько способов разделения данных, например:
- obj.группировать по (ключ)
- obj.groupby (ключ, ось = 1)
- obj. группировать ([key1, key2])
Примечание: здесь мы называем группировку объектов ключами.
Группировка данных по одному ключу.
Чтобы сгруппировать данные по одному ключу, мы передаем только один ключ в качестве аргумента groupby function.
|
< br>
|
< br>Теперь мы группируем данные 
Вывод: 
Группировка данных с несколькими ключами.
Чтобы сгруппировать данные с несколькими ключами, мы передаем несколько ключей в groupby function.
# импорт модуля pandas
import pandas as pd
# Определить словарь, содержащий данные о сотрудниках
data1 = { `Имя` : [ `Jai` , ` Анудж` , `Jai` , ` Princi` ,
`Гаурав` , ` Anuj` , `Princi` , ` Abhi` ],
`Возраст` : [ 27 , 24 , 22 , 32 ,
33 , 36 , 27 , <код кла ss = "value"> 32 ],
`Адрес` : [ ` Нагпур` , `Канпур` , `Аллахабад` , `Kannuaj` ‚Äã‚Äã ,
`Jaunpur` , `Канпур` , ` Аллахабад ` , `Aligarh` ],
`Квалификация` : [ `Msc` , ` MA` , ` MCA` , ` PhD` ,
`B.Tech` , `B.com` , ` Msc` , `MA` ]}
# Преобразование словаря в DataFrame
df = pd. DataFrame (data1)
print (df)
Теперь мы сгруппируем данные имени и квалификации, используя работают несколько ключей в функции groupby .
|
Вывод: Группировка данных по ключам:
|
Теперь мы применяем groupby () без сортировки
# используя функцию groupby # без использования сортировки
df.groupby ([ `Имя` ]). sum ()
Вывод: 
Теперь мы используем groupby () с использованием сортировки для достижения потенциального ускорения.
|
Вывод: Группировка данных с атрибутами объекта:
<класс кода = "комментарии" > # с использованием ключей группировки
|
Вывод: 
Перебор групп
To перебрать элемент группы, мы можем перебрать объект, похожий на iterto.ols .
# импорт модуля pandas
import pandas as pd
# Определить словарь, содержащий данные о сотрудниках
data1 = { `Имя` : [ ` Jai` , ` Анудж` , `Джай` , `Princi` ,
`Gaurav` , ` Anuj ` , ` Princi` , `Abhi` ],
`Возраст` : [ 27 , 24 , 22 , 32 ,
33 , 36 , 27 , 32 ],
` Адрес` : [ ` Nagpur` , `Канпур` , `Аллахабад` , `Kannuaj` ‚Äã‚Äã ,
` Jaunpur ` , ` Kanpur` , `Аллахабад` , ` Алигарх` ],
`Квалификация` : [ `Msc` , `MA` , ` MCA` , `Phd` ,
`B.Tech` , ` B.com` , `Msc` , `MA` ]}
# Преобразование словаря в DataFrame
df = pd.DataFrame (data1)
print < /код> <с ode class = "plain"> (df)
Теперь мы повторяем элемент группы так же, как в itertools.obj.
# повторение элемента
# группы
grp = df.groupby ( `Имя` )
для имя, группа в grp:
print (имя)
print (group)
print ()
Вывод: 
Теперь мы перебираем элемент группы содержащий несколько ключей
# повторение элемента # группы, содержащей # несколько ключей
grp = df.groupby ([ `Имя` , ` Квалификация` ])
for имя, группа в grp:
pr int (name)
print (группа)
print ( )
Вывод:
Как показано в выводе, имя группы будет кортежем
Выбор группы
Чтобы выбрать group, мы можем выбрать группу, используя GroupBy.get_group() . Мы можем выбрать группу, применив функцию GroupBy.get_group , эта функция выберет одну группу.
# pandas импорт модуля
import pandas as pd
# Определить словарь, содержащий данные о сотрудниках
data1 = { `Имя` : [ `Jai` , ` Anuj` , `Jai` , ` Princi` ,
`Gaurav` , `Анудж` , ` Princi` , `Abhi` ],
print (имя)
print (group)
print ()
Вывод:
Как показано в выводе, имя группы будет кортеж
Групповой выбор
Чтобы выбрать группу, мы можем выбрать группу, используя GroupBy.get_group () . Мы можем выбрать группу, применив функцию GroupBy.get_group , эта функция выберет одну группу .
# импорт модуля pandas
import <класс кода = "обычный "> панды как pd