Pandas Groupby Max
Sintaxe
# df.grupo ('column_name').max ()
O "DF" representa o quadro de dados aqui, o grupo seguiu com o nome da coluna, onde você deve escrever o nome da coluna em que deseja trabalhar. "Max" escrito no final, é para a detecção dos valores máximos na coluna selecionada de “df.”
O grupo máximo de colunas únicas e múltiplas em pandas pode ser realizada de maneiras diferentes. Vamos fazê -los um por um.
Discutiremos e cobriremos todas as seguintes maneiras:
- Groupby Max - coluna única
- Groupby Max - várias colunas
- Groupby Max - Usando a função pivô
- Groupby Max - Usando uma função agregada
- Groupby Max - Usando a função Reset_index (colunas únicas e múltiplas)
Criando o DataFrame para a implementação da função Groupby Max
Primeiro, vamos criar um quadro de dados para aplicar as funções e entender cada método claramente. O DataFrame "DF" aqui consiste em cidades, produtos e suas vendas. Precisamos de uma ferramenta Python para executar nossos códigos. Aqui, o software usado é Spyder para a implementação. Você precisa baixá -lo primeiro diretamente do Google, atender ao requisito de instalação após o processo de instalação e iniciar a ferramenta. Abra o arquivo e comece a executar seu código, o que é fácil à medida que avança. A descrição de todas as maneiras de usar o Código do Grupo MAX Panda Python é definida brevemente nos exemplos abaixo.
Para o domínio Python, os pandas como "PD" e Numpy como "NP" são as bibliotecas importadas no código de exemplo. O Numpy é usado para os dados numéricos no Python, enquanto os pandas são usados para a interpretação dos dados.
Usando a seguinte linha de código, estaremos trabalhando em cada um dos exemplos que cobrem:
# df1 = pd.DataFrame (Data, Columns = ['Cities', 'Products', 'Sales']))De acordo com o quadro de dados, as colunas são cidades, produtos e suas vendas; Da mesma forma, a sintaxe consiste nos três na representação da coluna.
O código deve aparecer assim na tela do console.
A saída mostra a lista de colunas que consistem em cidades, produtos e o número de vendas. Ele também mostra o número de série particularmente.
Exemplo # 01: Groupby Max Pandas - coluna única
Iniciando a implementação prática da coluna única do Groupby Max usando o código Python no quadro de dados do Pandas, precisamos de uma ferramenta específica e, para isso, usaremos o Spyder, como mencionado anteriormente na descrição acima. Agora, depois de abrir o Spyder no seu laptop/desktop, você precisa da extensão do arquivo como “.Py ”É a referência do Python porque nosso código está na linguagem Python.
Agora, iniciando a parte do código, há uma palavra panda que também é a primeira palavra do nosso artigo, então isso significa que algo com a biblioteca dos pandas deve ser implementado para isso; Precisamos escrever "Panda" como "PD", que importará todos os recursos da Biblioteca Panda em nosso arquivo de trabalho.
O grupo de colunas único, Max, funciona chamando "groupby ()" e escrevendo o nome da coluna que você deseja do seu quadro de dados, que é "cidades" no "df" seguido com a seleção do campo para a estimativa máxima "max () ”Função.
A saída é a única coluna “cidades” como selecionamos, mostrando os valores máximos de cada.
Exemplo # 02: Groupby Max Pandas - Várias colunas
Agora, abra o novo arquivo para o exemplo de implementação de várias colunas no Groupby Max, pois você pode encontrar o valor máximo de cada grupo que se refere a diferentes colunas do seu "DF" no grupo Pandas Max. Selecione as colunas; Aqui, você pode selecionar mais de uma coluna, pois ele levanta as várias colunas do seu "df" conforme sua necessidade.
O código usado para o grupo múltiplo Max é:
A saída, como você pode ver, exibe os valores máximos de ambas as colunas.
Exemplo # 03: Groupby Max Pandas - Usando a função Pivot
Novamente, abrindo um novo arquivo para o exemplo de funcionamento da função pivô em Groupby Max Pandas. A função pivot () é organizar seu "df" em uma boa forma representável. Você pode trabalhar nisso com colunas únicas ou múltiplas como quiser. Aqui, a implementação está no grupo de várias colunas, mas se você quiser fazer o grupo de pivô de coluna única, Max Panda, precisará adicionar uma coluna no grupo () adicionar em vez de várias colunas; Você pode obter a representação simples da coluna também.
O Pivot () no Código Max Grupo Pandas é:
Usando a função pivot (), a tela de saída parece indivíduos estabelecidos.
Exemplo # 04: Groupby Max - Usando uma função agregada
Você precisa abrir outro arquivo do arquivo e ir para o novo arquivo. Agora, procuramos o exemplo usando a função agregada no grupo por Max Pandas. A função agregada no código, que escrevemos como agg (), trabalha tomando o "máximo" como entrada, que executará o grupo Max em seu "DF" e fará uma estrutura definitiva do seu "df".
O grupo de funções agregadas Max Panda para o código de coluna múltipla é:
A função agg () permite toda a agregação da coluna possível com valores máximos.
Exemplo # 05: Groupby Max - Usando a função Reset_index (para colunas únicas e múltiplas)
O índice de redefinição por seu nome explica que sua função está redefinindo o índice e também fornecerá um novo índice para o quadro de dados, tornando-o uma estrutura mais adequada.
O código para a função RESET_Index única coluna em pandas é:
Aqui, a redefinição do "df" é feita com a função RESET () da coluna selecionada, que é as cidades que mostram os valores máximos.
Para as múltiplas colunas RESET_FUNCTION em pandas, o código é:
A saída exibe as duas colunas redefinindo o "df" nos pandas usando o grupo de funções RESET ().
Conclusão
A função Max Groupby Max é muito útil e simplista. Como pode detectar o valor máximo da coluna de seleção usando o “.Max () ”função e pode calcular o máximo dos valores no quadro de dados. Neste artigo, explicamos todos os métodos pelos quais o grupo de função max () funciona (), i.e., Groupby Max em colunas únicas e múltiplas, e podemos redefinir o índice de ambos, da mesma forma que o agregado e a função pivô, trabalhando para sua melhor explicação com exemplos para uma melhor compreensão. Cada parte deste tutorial enfatiza o entendimento e a limpeza fácil dos conceitos.