Hướng dẫn groupby trong python - groupby trong python

Pandas GroupBy là một hàm mạnh mẽ và linh hoạt trong Python. Nó cho phép bạn chia dữ liệu của mình thành các nhóm riêng biệt để thực hiện các phép tính nhằm phân tích tốt hơn, cũng hoàn toàn tương tự như groupby trong SQL.

Hướng dẫn groupby trong python - groupby trong python

Hãy để tôi lấy một ví dụ để giải thích rõ hơn về điều này. Giả sử chúng ta có một file Sales.xlsx tổng hợp các đơn hàng trong ngày và chúng ta muốn xem mặt hàng nào có doanh số cao nhất, thấp nhất trong ngày (cột order) thì sẽ làm như sau.

Để làm tất cả các bước trên trong python chỉ cần một câu lệnh groupby đơn giản.¶

Trước hết cần load dữ liệu file Sales lên:

import pandas as pd
Sales = pd.read_excel('Sales.xlsx')
Sales

  account order ext price
0 383080 10001 235.83
1 383080 10001 232.32
2 383080 10001 107.97
3 412290 10005 2679.36
4 412290 10005 286.02
5 412290 10005 832.95
6 412290 10005 3472.04
7 412290 10005 915.12
8 218895 10006 3061.12
9 218895 10006 518.65
10 218895 10006 216.90
11 218895 10006 -72.18

Sau đó dùng một câu lệnh groupby đơn giản để nhóm dữ liệu theo cột 'order'

# groupby('order') là cột tiêu chí mà chúng ta muốn nhóm dữ liệu theo tiêu chí đó, có thể có một hoặc nhiều tiêu chí
# agg({'ext price': 'sum'}) là cột dữ liệu mà chúng ta đang muốn nhóm, và nhóm theo kiểu lấy tổng (sum)
Sales_grouped = Sales.groupby(by='order').agg({'ext price': 'sum'})
Sales_grouped

  ext price
order  
10001 576.12
10005 8185.49
10006 3724.49

account

# sort_values(by='ext price', ascending=True) lệnh sắp xếp dữ liệu theo cột 'ext price' theo thứ tự tăng dần (ascending=True), nếu giảm dần thì (ascending=False)
Sales_grouped = Sales.groupby('order',group_keys=False).agg({'ext price': 'sum'}).sort_values(by='ext price', ascending=True)
Sales_grouped

  ext price
order  
10001 576.12
10006 3724.49
10005 8185.49

account

order

  • ext price : chỉ định tiêu chí, đối tượng cần nhóm, như cột 'order' trong ví dụ trên.
  • Sau đó dùng một câu lệnh groupby đơn giản để nhóm dữ liệu theo cột 'order' : kiểu số nguyên hoặc chuỗi: Nếu trục là MultiIndex (phân cấp), thì nhóm theo các cấp cụ thể.
  • Nếu dữ liệu lớn có thể sắp xếp theo thứ tự tăng hoặc giảm dần để dễ đánh giá : kiểu bool, default=True: Biến cột tiêu chí thành Index (chỉ số), as_index = False thì giữ nguyên index cũ.
  • Hàm groupby trong pandas còn có nhiều tham số khác để bạn có thể tùy chỉnh:¶ : kiểu bool, default=True: Sắp xếp cột tiêu chí theo thứ tự.
  • DataFrame.groupby(by=None, level=None, as_index=True, sort=True, dropna=True) : kiểu bool, default=True: Loại bỏ những hàng và cột có giá trị Nan

# Tạo Dataframe
arrays = [['Chim ưng', 'Chim ưng', 'Vẹt', 'Vẹt'],
          ['Được nuôi', 'Hoang dã','Được nuôi', 'Hoang dã']]
index = pd.MultiIndex.from_arrays(arrays, names=('Loài', 'Môi trường sống'))
df = pd.DataFrame({'Vận tốc tối đa (km/h)': [390., 350., 30., 20.]},
                  index=index)
df

    account
order ext price  
account order 390.0
ext price 350.0
Sau đó dùng một câu lệnh groupby đơn giản để nhóm dữ liệu theo cột 'order' order 30.0
ext price 20.0

# Tính vận tốc trung bình của từng loài
df.groupby(level='Loài').mean()

  account
order  
account 370.0
Sau đó dùng một câu lệnh groupby đơn giản để nhóm dữ liệu theo cột 'order' 25.0

# Tính vận tốc trung bình theo môi trường sống
# level 1 tương ứng với 'Môi trường sống'
df.groupby(level=1).mean()

  account
ext price  
ext price 185.0
order 210.0

# Tạo Dataframe
array = [[1, 2, 3], [1, None, 4], [2, 1, 3], [1, 2, 2]]
df = pd.DataFrame(array, columns=["a", "b", "c"])
df

  ext priceSau đó dùng một câu lệnh groupby đơn giản để nhóm dữ liệu theo cột 'order'Nếu dữ liệu lớn có thể sắp xếp theo thứ tự tăng hoặc giảm dần để dễ đánh giá
0 1 2.0 3
1 1 Hàm groupby trong pandas còn có nhiều tham số khác để bạn có thể tùy chỉnh:¶ 4
2 2 1.0 3
3 1 2.0 2

# dropna mặc định = True, nên nó sẽ loại bỏ hàng có giá trị NaN
df.groupby(by=["b"]).sum()

# Thử với dropna=False
df.groupby(by=["b"], dropna=False).sum()

  ext priceNếu dữ liệu lớn có thể sắp xếp theo thứ tự tăng hoặc giảm dần để dễ đánh giá
Sau đó dùng một câu lệnh groupby đơn giản để nhóm dữ liệu theo cột 'order'    
1.0 2 3
2.0 2 5
Nếu dữ liệu lớn có thể sắp xếp theo thứ tự tăng hoặc giảm dần để dễ đánh giá 1 4

Hàm groupby trong pandas còn có nhiều tham số khác để bạn có thể tùy chỉnh:¶ERX VN

DataFrame.groupby(by=None, level=None, as_index=True, sort=True, dropna=True)

by : chỉ định tiêu chí, đối tượng cần nhóm, như cột 'order' trong ví dụ trên.

level : kiểu số nguyên hoặc chuỗi: Nếu trục là MultiIndex (phân cấp), thì nhóm theo các cấp cụ thể.