Como Obter o Agregado de Pandas Group-By e Sum
- Soma cumulativa com
agg() -
pivot()para reordenar os dados em uma tabela de Nice - Aplicar
functionagroupbyem Pandas -
agg()para obter a Soma Agregada da Coluna
Demonstraremos como obter o agregado em Pandas utilizando groupby e sum. Também analisaremos a funcionalidade pivot para organizar os dados em uma bela tabela e definir nossa função personalizada e executá-la no DataFrame. Também obteremos a soma agregada utilizando o agg().
Soma cumulativa com agg()
Podemos obter a soma cumulativa utilizando o método groupby. Considere o seguinte quadro de dados com as colunas Date, Fruit e Sale:
import pandas as pd df = pd.DataFrame( { "Date": ["08/09/2018", "10/09/2018", "08/09/2018", "10/09/2018"], "Fruit": [ "Apple", "Apple", "Banana", "Banana", ], "Sale": [34, 12, 22, 27], } ) Se quisermos calcular a soma cumulativa de Venda por Fruta e para cada data, podemos fazer:
import pandas as pd df = pd.DataFrame( { "Date": ["08/09/2018", "10/09/2018", "08/09/2018", "10/09/2018"], "Fruit": [ "Apple", "Apple", "Banana", "Banana", ], "Sale": [34, 12, 22, 27], } ) print(df.groupby(by=["Fruit", "Date"]).sum().groupby(level=[0]).cumsum()) Resultado:
Fruit Date Sale Apple 08/09/2018 34 10/09/2018 46 Banana 08/09/2018 22 10/09/2018 49 pivot() para reordenar os dados em uma tabela de Nice
O método pivot() poderia definir o atributo de linha e coluna da tabela. Vamos mudar o código acima e aplicar o método pivot() para reorganizar os dados em uma bela tabela:
import pandas as pd df = pd.DataFrame( { "Date": ["08/09/2018", "10/09/2018", "08/09/2018", "10/09/2018"], "Fruit": [ "Apple", "Apple", "Banana", "Banana", ], "Sale": [34, 12, 22, 27], } ) print( df.groupby(["Fruit", "Date"], as_index=False).sum().pivot("Fruit", "Date").fillna(0) ) Resultado:
Sale Date 08/09/2018 10/09/2018 Fruit Apple 34 12 Banana 22 27 Aplicar function a groupby em Pandas
Vamos criar um método simples para obter a contagem de valores em series ou array 1d e utilizar groupby para obter a contagem agregada de cada valor:
from pandas import * d = {"series": Series(["1", "2", "1", "1", "4", "4", "5"])} df = DataFrame(d) def get_count(values): return len(values) grouped_count = df.groupby("series").series.agg(get_count) print(grouped_count) Depois de executar o código, obteremos a seguinte saída, que fornece a ocorrência de cada valor na série.
Resultado:
series 1 3 2 1 4 2 5 1 Name: series, dtype: int64 agg() para obter a Soma Agregada da Coluna
Podemos utilizar agg() para aplicar a operação de soma na coluna. Códigos de exemplo:
import pandas as pd df = pd.DataFrame( { "Date": ["08/09/2018", "10/09/2018", "08/09/2018", "10/09/2018"], "Fruit": [ "Apple", "Apple", "Banana", "Banana", ], "Sale": [34, 12, 22, 27], } ) print(df.groupby(["Fruit"])["Sale"].agg("sum")) Resultado:
Fruit Apple 46 Banana 49 Name: Sale, dtype: int64