تجميع البيانات
جزء من قسم البيانات والرسوم البيانية في رحلة Machine Learning على Coddy. الدرس 43 من 60.
أي مدينة تبيع أكثر؟ لا يمكن لمتوسط واحد يشمل كل الصفوف أن يجيب عن ذلك. قسّم الصفوف إلى مجموعات، مجموعة لكل مدينة، ثم احسب متوسط كل مجموعة:
سطر واحد ينفّذ الأمرين معًا:
shops = pd.DataFrame({
"city": ["Lyon", "Paris", "Lyon", "Nice", "Paris", "Lyon"],
"sales": [20, 35, 26, 18, 41, 23],
})
means = shops.groupby("city")["sales"].mean()
print(means)يطبع هذا:
city
Lyon 23.0
Nice 18.0
Paris 38.0
Name: sales, dtype: float64تنشئ groupby("city") المجموعات، وتختار ["sales"] العمود، وتحسب .mean() متوسط كل مجموعة. تعمل أيضًا .sum() و.min() و.max().
لترتيب الأكوام، رتّبها: means.sort_values(ascending=False).index[0] هي Paris، الأكثر مبيعًا.
التحدي
متوسطيسجل نادٍ للجري كل جولة في runs.csv: runner وdistance_km وminutes وclimb_m. يقرأ البرنامج الابتدائي أحد أعمدة الأرقام في column.
- اطبع متوسط ذلك العمود لكل عدّاء.
- ثم اذكر اسم العدّاء صاحب أكبر متوسط، كما في السطر الأخير أدناه.
لنادٍ يضم عدّاءين وdistance_km:
runner
Ana 6.1
Bo 8.4
Name: distance_km, dtype: float64
Top runner: Bo with 8.4جرّب بنفسك
import pandas as pd
runs = pd.read_csv("runs.csv")
column = input()
# اكتب الكود الخاص بك أدناه
اختبر نفسكيتضمن هذا الدرس اختبارًا قصيرًا. ابدأ الدرس للإجابة عليه وتتبّع تقدمك.
جميع دروس البيانات والرسوم البيانية
5المخططات الخطية والمبعثرة
التسميات والعناوينالمخططات المبعثرةخطوط متعددة ووسائل الإيضاحالألوان والعلاماتالأشكال والمحاورمراجعة: الخطوات الأسبوعية11مجموعات البيانات لتعلم الآلة
مجموعات البيانات المدمجةالسمات والتسمياتاستكشاف البيانات حسب الفئةرسم الفئاتمراجعة: مجموعة بيانات النبيذتدرّب بنفسك: مترجم Python عبر الإنترنت