Mengelompokkan dan Mengagregasi Data
Pelajaran 15 dari 19 dalam kursus Analisis Pandas di Coddy.
Mengelompokkan dan mengagregasi data sangat penting saat menangani dataset berukuran besar, karena cara ini membantu menyederhanakan dan merangkum data agar lebih mudah dipahami dan dianalisis.
Di pelajaran sebelumnya, kita menghitung statistik tentang grup tertentu, tetapi menghitung statistik untuk semua grup mungkin sulit tanpa alat tambahan. Untuk itu, kita memiliki method .groupby():
df.groupby('column_name')Ini akan mengembalikan object GroupBy yang mengelompokkan baris dataframe berdasarkan nilai column_name. Kamu dapat menerapkan fungsi agregasi pada object GroupBy ini untuk melakukan perhitungan dalam grup-grup tersebut.
Setelah data dikelompokkan, kita dapat melakukan beberapa fungsi agregasi untuk merangkum data, seperti:
df.groupby('column_name').sum()
df.groupby('column_name').min()
df.groupby('column_name').max()Ini akan mengembalikan sum, min, dan max dari semua kolom numerik lainnya dalam dataframe asli, yang dipisahkan berdasarkan column_name.
Sekarang kamu dapat mengambil kolom tertentu yang sedang kamu analisis:
df.groupby('column_name').sum()['other_column']
Tantangan
MudahFile CSV visits.csv berisi informasi tentang jumlah kunjungan yang terjadi di lokasi tertentu pada waktu tertentu.
Berikut 5 baris pertama dari file tersebut:
location_id,visits,timestamp
8,1771,27498
9,4187,79919
0,4959,54228
6,7721,41588Buat dictionary dengan kunci berikut: min, max, mean, std, sum, dan median, lalu berikan series yang sesuai dengan statistik kolom visits untuk setiap id lokasi.
Coba sendiri
# pandas as pd sudah diimpor
df = pd.read_csv("./visits.csv")
# Tulis kodemu di bawah ini
sum_visits = df.groupby("location_id").sum()["visits"]
res = {
"min": # isi
"max": # isi
"mean": # isi
"std": # isi
"median": # isi
"sum": sum_visits
}
print(res)Semua pelajaran di Analisis Pandas
4Analisis Data dengan Pandas
Statistik DeskriptifMengelompokkan dan Mengagregasi DataBerbagai AgregasiMerge dan Concat2Bekerja dengan DataFrame
Memahami DataFrameMengakses DataPembersihan Data: Data yang HilangPembersihan Data: Alat Lainnya3Manipulasi Data dengan Pandas
Mengembalikan Hasil yang DimintaMemfilter DataMenambah dan MenghapusMengubah DataMengubah StringModifikasi KustomLatihan sendiri: Compiler Python online