Pandas groupby suma
Método Pandas Sum ()
La suma de los valores para el eje requerido por el usuario se devuelve mediante la función suma (). Si el valor de entrada es un eje de indexación, se agregan todos los valores en esa columna. Esto se aplica a todas las columnas. Esto da como resultado una serie que contiene el total de los valores de cada columna. Puede usar directamente el método pandas suma () en las columnas elegidas de la salida del grupo pandas para obtener la suma o el total de cada grupo. Este método figura la suma de filas y columnas de la entrada.
Método Pandas Groupby Sum ()
Hay algunos pasos siguientes para encontrar la suma de Pandas Groupby ():
- Cree un tipo de datos que sea bidimensional, mutable, y puede contener grandes conjuntos de datos.
- Muestra la entrada de DataFrame, DF.
- Usando el DF. Groupby Sum (), encuentre la suma de Groupby (). Esta función clasifica los valores en una columna dada. Los valores de las otras columnas se ordenan dependiendo de los valores ordenados.
- La suma para el grupo.
Sintaxis para el método GroupBy Sum ()
Esta sintaxis básica se usa para calcular la suma de valores en la función GroupBy Sum ().
Ejemplo 1: Crear un objeto Groupby usando DataFrame
Necesitamos un software o herramientas para darnos una plataforma donde podemos ejecutar este programa para poner en práctica los códigos de Python. Por lo tanto, se utiliza la herramienta "Spyder". Debemos abrir un archivo nuevo cuando aparezca la interfaz. En la interfaz de la herramienta "Spyder", hemos elegido la opción "Nuevo archivo" para realizar el código. También nos ofrece opciones adicionales para abrir los archivos. Por lo tanto, también puede abrirlo usando el "Ctrl+N".
Debemos importar estos "pandas como pd" para ejecutar el código pandas. La sección "PD" del código instruye a Python que asigne a Pandas el alias de "PD.Marco de datos.GroupBy () "como un nombre de función como DataFrame" Groupby () ". Usando Groupby, agrupamos el Pandas DataFrame. La función de mero elige la columna requerida. Usando un mapeador o un conjunto de columnas, la función GroupBy () agrupa un marco de datos y devuelve un objeto GroupBy. Grandes cantidades de datos en estos grupos se pueden combinar o transformar aplicando una variedad de métodos y funciones personalizadas a los objetos de Groupby.
Creamos un marco de datos cuyo tamaño es "6, 2" y sus nombres de columnas son "alfabeto" y "valor". En este ejemplo, las variables que hemos tomado son "K", "L" y "M" y sus valores son "36", "21", "42", "8", "9" y "3". Para aplicar las funciones agregadas, el método "Groupby ()" de Pandas agrupa los datos similares en un grupo. Este método devuelve un objeto DataFrame Groupby que tiene métodos agregados como suma y otros similares. El "df.Groupby (["Alphabet"] ", por ejemplo, agrega todas las columnas de valor en un marco de datos y calcula sus sumas. El uso del "grupo.El método count () "es obtener el recuento para cada grupo, ignorando los valores Ninguno y NAN para agrupar las filas por columna. Además, funciona con datos de tipo no flotante. Con recuentos de los valores para cada grupo en un grupo, construya una nueva serie o marco de datos.
En este código, utilizamos el "grupo.suma()". Esta función clasifica los valores en una columna dada. Los valores de las otras columnas se ordenan dependiendo de los valores ordenados. Esto crea una tabla cuyos nombres de columnas son "alfabeto" y "valores" del alfabeto que se escribe debajo del alfabeto y escribe sus valores frente a ellos. Usando el "grupo.sum () ”, los alfabetos similares combinan sus valores y los hacen sumar. Usando el "grupo.sum () ”, los alfabetos similares combinan sus valores y los hacen sumar.
Después de ejecutar el código, mostró su resultado en el que el "grupo.La función count () "creó una tabla contando los" alfabetos "y" valores ". En la siguiente línea, recolecta los alfabetos similares y suma sus grupos utilizando el "grupo.función de sum () ". Ahora, el valor para "K" es "99", el valor para "L" es "17", y el valor para "M" es 3.
Ejemplo 2: Encuentre y suma la velocidad de algunos animales usando la función Groupby Sum ()
Este escenario también es comparable al primero. Para las funciones que utilizamos en el ejemplo anterior, también usamos lo mismo en este código. Para esto, creamos un marco de datos que tiene dos columnas. El nombre de una columna es "animal" y el otro es "velocidad".
En este código, también tenemos las mismas funciones que teníamos en el programa anterior: el "grupo.Count () "y" Grupo.suma()". La suma de cada grupo se puede obtener utilizando el método Pandas "Sum ()" directamente en las columnas seleccionadas de la salida del grupo Pandas. DataFrame representa la función Pandas DataFrame. En la lista de animales, hemos tomado tres animales: "mono", "león" y "tigre". En la segunda columna, hemos escrito su velocidad. DataFrame se divide en grupos utilizando el método "DataFrame GroupBy ()". Calcula el número de recuentos de datos similares que están presentes en una columna de marco de datos específica.
Usando el "DF.Groupby () ”, el objeto se divide, se aplica una función y los productos se combinan. Se puede agrupar una gran cantidad de datos utilizando esto y las operaciones se pueden calcular en estos grupos. Puede agrupar sus datos con el método "Groupby ()" y realizar las operaciones en estos grupos. El grupo.la función count () "devuelve el número total de valores no nan. Se devuelve un marco de datos si hay varias columnas. Contar es la técnica agregada fundamental más simple. La aplicación de la función de conteo de pandas a todo el marco de datos animal revela rápidamente cuántos "monos", "leones" y "tigres" están en el grupo "animal".
Examine los resultados del archivo fuente, ejecute este código y proporcione una salida veraz. Esta salida muestra tres tablas utilizando tres funciones diferentes. Si contamos la velocidad de tres "monos", será "105". La velocidad para dos "leones" es "160" y la velocidad de un "tigre" es "65".
Conclusión
Teniendo en cuenta esta información, este artículo sirve como un ejemplo de la idea y la necesidad de simplificar las cosas para usted. Definimos dos funciones aquí. Estas son las aplicaciones para el "grupo.sum () "y" grupo.contar "funciones en pandas. Probablemente puedas entender cuán increíble y útil el "grupo.sum () "y" grupo.Las funciones de Count () ”son para examinar los datos. En este tutorial, hemos visto cómo combinar los mismos datos utilizando el "DF.grupo ”y sumándolos. Proporcionamos a esta guía una explicación buena y simple de todos los métodos para que sea más fácil para usted obtener nuestro punto. Puede elegir una de las dos técnicas disponibles en función de sus necesidades, pero dominar ambas son esenciales y, por lo tanto, mejora sus habilidades de Python Pandas.