Verschiedene Aggregationen
Lektion 16 von 19 im Kurs Pandas Analytics von Coddy.
Bei der Verwendung von .sum() oder einer anderen ähnlichen Methode berechnet es die sum über alle numerischen Spalten hinweg. Wir können auch für jede Spalte angeben, welche Berechnung durchgeführt werden soll:
df.groupby('column_name').agg({'column_1': 'sum', 'column_2': 'mean'})
Aufgabe
EinfachDie CSV-Datei visits.csv enthält Informationen darüber, wie viele Besuche zu einem bestimmten Zeitpunkt an einem bestimmten Ort stattgefunden haben.
Hier sind die ersten 5 Zeilen der Datei:
location_id,visits,timestamp
8,1771,27498
9,4187,79919
0,4959,54228
6,7721,41588Erstellen Sie einen dataframe mit den folgenden Spalten: sum_visits und mean_timestamp sowie deren entsprechenden statistischen Berechnungen.
Stellen Sie sicher, dass
sum_visitsvormean_timestampsteht..agg({column_1: '...', colunm_2: '...'})ist nicht dasselbe wie.agg({column_2: '...', colunm_1: '...'}). Dies liegt daran, dass die Spaltenreihenfolge umgekehrt wird.
Speichern Sie das Ergebnis in df.
Probier es selbst
# pandas als pd ist bereits importiert
df = pd.read_csv("./visits.csv")
# Schreibe deinen Code unten
Alle Lektionen in Pandas Analytics
4Datenanalyse mit Pandas
Deskriptive StatistikGruppieren und Aggregieren von DatenVerschiedene AggregationenMerge & Concat2Arbeiten mit dem DataFrame
DataFrames verstehenDatenzugriffDatenbereinigung - Fehlende DatenDatenbereinigung - Weitere Tools3Datenmanipulation mit Pandas
Ergebnis zurückgebenDaten filternHinzufügen & LöschenDaten ändernStrings modifizierenEigene Anpassungen