English | 简体中文 | 繁體中文 | Русский язык | Français | Español | Português | Deutsch | 日本語 | 한국어 | Italiano | بالعربية

دليل Pandas

groupBy في Pandas

مثال على عملية GroupBy في Pandas

أي عملية groupby ستقوم بتنفيذ ما يلي على الكائن الأصلي:

قسمة الكائن تطبيق الدالة دمج النتائج

في العديد من الحالات، نقوم بتقسيم البيانات إلى عدة مجموعات، ثم نطبق بعض الوظائف على كل مجموعة. في وظيفة Apply، يمكننا تنفيذ ما يلي-

جمع − حساب الإحصاءات المجمعة تحويل − عمليات المجموعات تصفية − فرز البيانات تحت بعض الشروط

الآن نقوم بإنشاء عمود DataFrame ونقوم بكل العمليات عليه.

#إدخال المكتبة pandas
　import　pandas　as　pd
　ipl_data　=　{'Team':　['Riders'، 'Riders'، 'Devils'، 'Devils'، 'Kings',
　　　　الملوك، 'Kings'، 'Kings'، 'Riders'، 'Royals'، 'Royals'، 'Riders'],
　　　　'Rank': [1, 2, 2, 3, 3, 4, 1, 1, 2, 4, 1, 2],
　　　　'Year': [2014,2015,2014,2015,2014,2015,2016,2017,2016,2014,2015,2017],
　　　　'Points':[876,789,863,673,741,812,756,788,694,701,804,690]
　df = pd.DataFrame(ipl_data)
　print(df)

نتائج التنفيذ كالتالي:

　　　　　　نقاط            ترتيب             فريق         سنة
0                 876                 1             Riders         2014
1                 789                 2             Riders         2015
2                 863                 2             Devils         2014
3                 673                 3             Devils         2015
4                 741                 3             Kings         2014
5                 812                 4             kings         2015
6                 756                 1             Kings         2016
7 788 1 Kings 2017
8 694 2 Riders 2016
9 701 4 Royals 2014
10 804 1 Royals 2015
11 690 2 Riders 2017

تقسيم البيانات إلى مجموعات

يمكن تقسيم الشكل إلى أي كائن. هناك العديد من طرق تقسيم الكائنات، مثل:

obj.groupby('key') obj.groupby(['key1','key2']) obj.groupby(key,axis=1)

الآن دعونا نرى كيف يمكن تطبيق كائن التجميع على كائن DataFrame

مثال

#　import　the　pandas　library
　import　pandas　as　pd
　ipl_data　=　{'Team':　['Riders'، 'Riders'، 'Devils'، 'Devils'، 'Kings',
　　　　الملوك، 'Kings'، 'Kings'، 'Riders'، 'Royals'، 'Royals'، 'Riders'],
　　　　'Rank': [1, 2, 2, 3, 3, 4, 1, 1, 2, 4, 1, 2],
　　　　'Year': [2014,2015,2014,2015,2014,2015,2016,2017,2016,2014,2015,2017],
　　　　'Points':[876,789,863,673,741,812,756,788,694,701,804,690]
　df = pd.DataFrame(ipl_data)
　print(df.groupby('Team'))

نتائج التنفيذ كالتالي:

للنظر في المجموعات

#　import　the　pandas　library
　import　pandas　as　pd
　ipl_data　=　{'Team':　['Riders'، 'Riders'، 'Devils'، 'Devils'، 'Kings',
　　　　الملوك، 'Kings'، 'Kings'، 'Riders'، 'Royals'، 'Royals'، 'Riders'],
　　　　'Rank': [1, 2, 2, 3, 3, 4, 1, 1, 2, 4, 1, 2],
　　　　'Year': [2014,2015,2014,2015,2014,2015,2016,2017,2016,2014,2015,2017],
　　　　'Points':[876,789,863,673,741,812,756,788,694,701,804,690]
　df = pd.DataFrame(ipl_data)
　print(df.groupby('Team').groups)

نتائج التنفيذ كالتالي:

　　　{'Kings': Int64Index([4, 6, 7], dtype='int64'),
　'Devils': Int64Index([2, 3], dtype='int64'),
　'Riders': Int64Index([0, 1, 8, 11], dtype='int64'),
　'Royals': Int64Index([9, 10], dtype='int64'),
　'kings' : Int64Index([5], dtype='int64')}

مثال

باستخدام المجموعات المتعددة

#　import　the　pandas　library
　import　pandas　as　pd
　ipl_data　=　{'Team':　['Riders'، 'Riders'، 'Devils'، 'Devils'، 'Kings',
　　　　الملوك، 'Kings'، 'Kings'، 'Riders'، 'Royals'، 'Royals'، 'Riders'],
　　　　'Rank': [1, 2, 2, 3, 3, 4, 1, 1, 2, 4, 1, 2],
　　　　'Year': [2014,2015,2014,2015,2014,2015,2016,2017,2016,2014,2015,2017],
　　　　'Points':[876,789,863,673,741,812,756,788,694,701,804,690]
　df = pd.DataFrame(ipl_data)
　print(df.groupby(['Team','Year']).groups)

نتائج التنفيذ كالتالي:

　　　{('Kings', 2014): Int64Index([4], dtype='int64'),
　　('Royals', 2014): Int64Index([9], dtype='int64'),
　　('Riders', 2014): Int64Index([0], dtype='int64'),
　　('Riders', 2015): Int64Index([1], dtype='int64'),
　　('Kings', 2016): Int64Index([6], dtype='int64'),
　　('Riders', 2016): Int64Index([8], dtype='int64'),
　　('Riders',　2017):　Int64Index([11],　dtype='int64'),
　　('Devils',　2014):　Int64Index([2],　dtype='int64'),
　　('Devils',　2015):　Int64Index([3],　dtype='int64'),
　　('kings',　2015):　Int64Index([5],　dtype='int64'),
　　('Royals',　2015):　Int64Index([10],　dtype='int64'),
　　('Kings',　2017):　Int64Index([7],　dtype='int64')}

استكشاف المجموعات

مع وجود obj من groupby، يمكننا استكشاف هذا العنصر مثل itertools.obj.

#　import　the　pandas　library
　import　pandas　as　pd
　ipl_data　=　{'Team':　['Riders'، 'Riders'، 'Devils'، 'Devils'، 'Kings',
　　　　الملوك، 'Kings'، 'Kings'، 'Riders'، 'Royals'، 'Royals'، 'Riders'],
　　　　'Rank': [1, 2, 2, 3, 3, 4, 1, 1, 2, 4, 1, 2],
　　　　'Year': [2014,2015,2014,2015,2014,2015,2016,2017,2016,2014,2015,2017],
　　　　'Points':[876,789,863,673,741,812,756,788,694,701,804,690]
　df = pd.DataFrame(ipl_data)
　grouped = df.groupby('Year')
　for　name,group　in　grouped:
　　　　print(name)
　　　　print(group)

نتائج التنفيذ كالتالي:

　　2014
　　　نقاط　مركز الترتيب　فريق　سنة
0	876	1	Riders	2014
2	863	2	Devils	2014
4	741	3	Kings	2014
9	701	4	Royals	2014
2015
　　　نقاط　مركز الترتيب　فريق　سنة
1	789	2	Riders	2015
3	673	3	Devils	2015
5	812	4	kings	2015
10	804	1	Royals	2015
2016
　　　نقاط　مركز الترتيب　فريق　سنة
6	756	1	Kings	2016
8	694	2	Riders	2016
2017
　　　نقاط	تصنيف	فرق	سنة
7	788	1	Kings	2017
11	690	2	Riders	2017

بالتقديم، اسم العلامة الموجودة على groupby هو نفس اسم المجموعة.

اختيار مجموعة p

باستخدام طريقة get_group()، يمكننا اختيار مجموعة.

#　import　the　pandas　library
　import　pandas　as　pd
　ipl_data　=　{'Team':　['Riders'، 'Riders'، 'Devils'، 'Devils'، 'Kings',
　　　　الملوك، 'Kings'، 'Kings'، 'Riders'، 'Royals'، 'Royals'، 'Riders'],
　　　　'Rank': [1, 2, 2, 3, 3, 4, 1, 1, 2, 4, 1, 2],
　　　　'Year': [2014,2015,2014,2015,2014,2015,2016,2017,2016,2014,2015,2017],
　　　　'Points':[876,789,863,673,741,812,756,788,694,701,804,690]
　df = pd.DataFrame(ipl_data)
　grouped = df.groupby('Year')
　print(grouped.get_group(2014))

نتائج التنفيذ كالتالي:

　　　　　نقاط	تصنيف	فرق	سنة
0　　　　　876　　　　　1　　　Riders　　　　2014
2　　　　　863　　　　　2　　　Devils　　　　2014
4　　　　　741　　　　　3　　　Kings　　　　　2014
9　　　　　701　　　　　4　　　Royals　　　　2014

الجماعة

تعود الوظائف التجميعية إلى كل مجموعة قيمة تجمعية. بمجرد إنشاء عنصر التجميع، يمكن تنفيذ عدة عمليات تجميع على البيانات المجمعة.

طريقة واضحة هي استخدام التجميع أو طريقة agg المماثلة.

#　import　the　pandas　library
　import　pandas　as　pd
　import　numpy　as　np
　ipl_data　=　{'Team':　['Riders'، 'Riders'، 'Devils'، 'Devils'، 'Kings',
　　　　الملوك، 'Kings'، 'Kings'، 'Riders'، 'Royals'، 'Royals'، 'Riders'],
　　　　'Rank': [1, 2, 2, 3, 3, 4, 1, 1, 2, 4, 1, 2],
　　　　'Year': [2014,2015,2014,2015,2014,2015,2016,2017,2016,2014,2015,2017],
　　　　'Points':[876,789,863,673,741,812,756,788,694,701,804,690]
　df = pd.DataFrame(ipl_data)
　grouped = df.groupby('Year')
　print(grouped['Points'].agg(np.mean))

نتائج التنفيذ كالتالي:

　　Year
2014　　　795.25
2015　　　769.50
2016　　　725.00
2017　　　739.00
Name: Points, dtype: float64

طريقة أخرى لمعرفة حجم كل مجموعة هي عن طريق تطبيق وظيفة size().

import　pandas　as　pd
　import　numpy　as　np
　ipl_data　=　{'Team':　['Riders'، 'Riders'، 'Devils'، 'Devils'، 'Kings',
　　　　الملوك، 'Kings'، 'Kings'، 'Riders'، 'Royals'، 'Royals'، 'Riders'],
　　　　'Rank': [1, 2, 2, 3, 3, 4, 1, 1, 2, 4, 1, 2],
　　　　'Year': [2014,2015,2014,2015,2014,2015,2016,2017,2016,2014,2015,2017],
　　　　'Points':[876,789,863,673,741,812,756,788,694,701,804,690]
　df = pd.DataFrame(ipl_data)
　Access to Attribute in Python Pandas
　grouped　=　df.groupby('Team')
　print(grouped.agg(np.size))

نتائج التنفيذ كالتالي:

　　　　　　　Points　　　Rank　　　Year
Team
Devils　　　　　　　　2　　　　　　2　　　　　　2
Kings　　　　　　　　　3　　　　　　3　　　　　　3
Riders　　　　　　　　4　　　　　　4　　　　　　4
Royals　　　　　　　　2　　　　　　2　　　　　　2
kings　　　　　　　　　1　　　　　　1　　　　　　1

تطبيق多个 وظائف تجميع في وقت واحد

باستخدام Series المجموعة، يمكنك أيضًا نقل قائمة أو دictionary من الوظائف للجمع، وإنشاء DataFrame كنتج-

#　import　the　pandas　library
　import　pandas　as　pd
　import　numpy　as　np
　ipl_data　=　{'Team':　['Riders'، 'Riders'، 'Devils'، 'Devils'، 'Kings',
　　　　الملوك، 'Kings'، 'Kings'، 'Riders'، 'Royals'، 'Royals'، 'Riders'],
　　　　'Rank': [1, 2, 2, 3, 3, 4, 1, 1, 2, 4, 1, 2],
　　　　'Year': [2014,2015,2014,2015,2014,2015,2016,2017,2016,2014,2015,2017],
　　　　'Points':[876,789,863,673,741,812,756,788,694,701,804,690]
　df = pd.DataFrame(ipl_data)
　grouped　=　df.groupby('Team')
　print(grouped['Points'].agg([np.sum,　np.mean,　np.std]))

نتائج التنفيذ كالتالي:

　　Team　　　　　　sum　　　　　　mean　　　　　　　　　　std
Devils　　　1536　　　768.000000　　　134.350288
Kings　　　　2285　　　761.666667　　　　24.006943
Riders　　　3049　　　762.250000　　　　88.567771
Royals　　　1505　　　752.500000　　　　72.831998
الملوك　　　　　812　　　812.000000　　　　　　　　　　NaN

تحويل

تحويل على مجموعات أو أعمدة سيعود إلى فهرس، والذي حجمه يتوافق مع حجم العنصر المجموع. لذلك، يجب أن يكون الحجم الناتج متساوياً مع حجم قطعة المجموعة.

#　import　the　pandas　library
　import　pandas　as　pd
　import　numpy　as　np
　ipl_data　=　{'Team':　['Riders'، 'Riders'، 'Devils'، 'Devils'، 'Kings',
　　　　الملوك، 'Kings'، 'Kings'، 'Riders'، 'Royals'، 'Royals'، 'Riders'],
　　　　'Rank': [1, 2, 2, 3, 3, 4, 1, 1, 2, 4, 1, 2],
　　　　'Year': [2014,2015,2014,2015,2014,2015,2016,2017,2016,2014,2015,2017],
　　　　'Points':[876,789,863,673,741,812,756,788,694,701,804,690]
　df = pd.DataFrame(ipl_data)
　grouped　=　df.groupby('Team')
　score　=　lambda　x:　(x　-　x.mean())　/　x.std()*10
　print(grouped.transform(score))

نتائج التنفيذ كالتالي:

　　　　　نقاط　　　　　　　　المركز　　　　　　　　السنة
0　　　12.843272　　-15.000000　　-11.618950
1　　　3.020286　　　　　5.000000　　　-3.872983
2　　　7.071068　　　　-7.071068　　　-7.071068
3　　-7.071068　　　　　7.071068　　　　7.071068
4　　-8.608621　　　　11.547005　　-10.910895
5　　　　　　　　NaN　　　　　　　　　　NaN　　　　　　　　　NaN
6　　-2.360428　　　　-5.773503　　　　2.182179
7　　10.969049　　　　-5.773503　　　　8.728716
8　　-7.705963　　　　　5.000000　　　　3.872983
9　　-7.071068　　　　　7.071068　　　-7.071068
10　　7.071068　　　　-7.071068　　　　7.071068
11 -8.157595　　　　　5.000000　　　11.618950

تصفية

تصفية تصفية البيانات بناءً على الشروط المحددة وإرجاع مجموعة فرعية من البيانات. وظيفة المرشح() تستخدم لتحديد البيانات.

　import　pandas　as　pd
　import　numpy　as　np
　ipl_data　=　{'Team':　['Riders'، 'Riders'، 'Devils'، 'Devils'، 'Kings',
　　　　الملوك، 'Kings'، 'Kings'، 'Riders'، 'Royals'، 'Royals'، 'Riders'],
　　　　'Rank': [1, 2, 2, 3, 3, 4, 1, 1, 2, 4, 1, 2],
　　　　'Year': [2014,2015,2014,2015,2014,2015,2016,2017,2016,2014,2015,2017],
　　　　'Points':[876,789,863,673,741,812,756,788,694,701,804,690]
　df = pd.DataFrame(ipl_data)
　print(df.groupby('Team').filter(lambda x: len(x) >= 3))

نتائج التنفيذ كالتالي:

　　　　　　نقاط　مركز الترتيب　فريق　سنة
0　876　1　Riders　2014
1　789　2　Riders　2015
4　741　3　Kings　2014
6　756　1　Kings　2016
7　788　1　Kings　2017
8　694　2　Riders　2016
11　690　2　Riders　2017
عمليات SQL في Pandasفقدان البيانات في Pandas