데이터 그룹화
Coddy Machine Learning 여정의 데이터와 시각화 섹션에 포함된 레슨. 60개 중 43번째.
어느 도시에서 더 많이 팔릴까요? 모든 행의 평균 하나만으로는 알 수 없습니다. 행을 도시별로 나눈 다음 각 묶음의 평균을 구하세요.
한 줄로 두 가지를 모두 수행합니다:
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)다음과 같이 출력됩니다:
city
Lyon 23.0
Nice 18.0
Paris 38.0
Name: sales, dtype: float64groupby("city")는 그룹을 만들고, ["sales"]는 열을 선택하며, .mean()은 각 그룹의 평균을 구합니다. .sum(), .min(), .max()도 사용할 수 있습니다.
더미의 순위를 매기려면 정렬하세요. means.sort_values(ascending=False).index[0]는 가장 많이 팔린 Paris입니다.
챌린지
중급달리기 클럽은 모든 달리기 기록을 runs.csv에 저장합니다: runner, distance_km, minutes 및 climb_m. 시작 코드는 숫자 열 중 하나를 column에 읽어 들입니다.
- 각 러너의 해당 열 평균을 출력하세요.
- 그런 다음 아래 마지막 줄처럼 평균이 가장 큰 러너의 이름을 출력하세요.
러너가 두 명인 클럽에서 distance_km를 사용할 경우:
runner
Ana 6.1
Bo 8.4
Name: distance_km, dtype: float64
Top runner: Bo with 8.4직접 해보기
import pandas as pd
runs = pd.read_csv("runs.csv")
column = input()
# 아래에 코드를 작성하세요
실력 점검이 레슨에는 짧은 퀴즈가 포함되어 있습니다. 레슨을 시작해 문제를 풀고 진행 상황을 기록하세요.
데이터와 시각화의 모든 레슨
직접 연습해 보세요: 온라인 Python 컴파일러