Différentes agrégations
Leçon 16 sur 19 du cours Analyse de données avec Pandas de Coddy.
Lors de l'utilisation de .sum() ou de toute autre méthode similaire, cela calcule la sum sur toutes les colonnes numériques. Nous pouvons également spécifier pour chaque colonne quel calcul effectuer :
df.groupby('column_name').agg({'column_1': 'sum', 'column_2': 'mean'})
Défi
FacileLe fichier CSV visits.csv contient des informations sur le nombre de visites effectuées à un endroit particulier à un moment donné.
Voici les 5 premières lignes du fichier :
location_id,visits,timestamp
8,1771,27498
9,4187,79919
0,4959,54228
6,7721,41588Créez un dataframe avec les colonnes suivantes : sum_visits et mean_timestamp, ainsi que leurs calculs statistiques correspondants.
Assurez-vous que
sum_visitsse trouve avantmean_timestamp..agg({column_1: '...', colunm_2: '...'})n'est pas la même chose que.agg({column_2: '...', colunm_1: '...'}). C'est parce que l'ordre des colonnes est inversé.
Enregistrez le résultat dans df.
Essayez vous-même
# pandas as pd est déjà importé
df = pd.read_csv("./visits.csv")
# Écrivez votre code ci-dessous
Toutes les leçons de Analyse de données avec Pandas
1Introduction
Pourquoi utiliser Pandas ?Structures de données dans PandasChargement de données dans un DataFrame4Analyse de données avec Pandas
Statistiques descriptivesGroupement et agrégation de donnéesDifférentes agrégationsFusion et concaténation