Pandas Groupby deux colonnes

Suraj Joshi 21 février 2021

Pandas Pandas DataFrame Column Pandas Groupby

Pandas Groupby plusieurs colonnes
Nombre de lignes dans chaque groupe Pandas

Ce tutoriel explique comment nous pouvons utiliser la méthode DataFrame.groupby() en Pandas pour deux colonnes afin de séparer le DataFrame en groupes. Nous pouvons également obtenir beaucoup plus d’informations à partir des groupes créés.

Nous utiliserons le DataFrame ci-dessous dans cet article.

import pandas as pd

roll_no = [501, 502, 503, 504, 505]

data = pd.DataFrame(
    {
        "Name": ["Jennifer", "Travis", "Bob", "Emma", "Luna", "Anish"],
        "Gender": ["Female", "Male", "Male", "Female", "Female", "Male"],
        "Employed": ["Yes", "No", "Yes", "No", "Yes", "No"],
        "Age": [30, 28, 27, 24, 28, 25],
    }
)

print(data)

Production :

       Name  Gender Employed  Age
0  Jennifer  Female      Yes   30
1    Travis    Male       No   28
2       Bob    Male      Yes   27
3      Emma  Female       No   24
4      Luna  Female      Yes   28
5     Anish    Male       No   25

Pandas Groupby plusieurs colonnes

import pandas as pd

roll_no = [501, 502, 503, 504, 505]

data = pd.DataFrame(
    {
        "Name": ["Jennifer", "Travis", "Bob", "Emma", "Luna", "Anish"],
        "Gender": ["Female", "Male", "Male", "Female", "Female", "Male"],
        "Employed": ["Yes", "No", "Yes", "No", "Yes", "No"],
        "Age": [30, 28, 27, 24, 28, 25],
    }
)

print(data)
print("")
print("Groups in DataFrame:")
groups = data.groupby(["Gender", "Employed"])
for group_key, group_value in groups:
    group = groups.get_group(group_key)
    print(group)
    print("")

Production :

       Name  Gender Employed  Age
0  Jennifer  Female      Yes   30
1    Travis    Male       No   28
2       Bob    Male      Yes   27
3      Emma  Female       No   24
4      Luna  Female      Yes   28
5     Anish    Male       No   25

Groups in DataFrame:
   Name  Gender Employed  Age
3  Emma  Female       No   24

       Name  Gender Employed  Age
0  Jennifer  Female      Yes   30
4      Luna  Female      Yes   28

     Name Gender Employed  Age
1  Travis   Male       No   28
5   Anish   Male       No   25

  Name Gender Employed  Age
2  Bob   Male      Yes   27

Il crée 4 groupes à partir du DataFrame. Toutes les lignes ayant la même valeur de la colonne Gender et Employed sont placées dans le même groupe.

Nombre de lignes dans chaque groupe Pandas

Pour compter le nombre de lignes dans chaque groupe créé en utilisant la méthode DataFrame.groupby(), nous pouvons utiliser la méthode size().

import pandas as pd

roll_no = [501, 502, 503, 504, 505]

data = pd.DataFrame(
    {
        "Name": ["Jennifer", "Travis", "Bob", "Emma", "Luna", "Anish"],
        "Gender": ["Female", "Male", "Male", "Female", "Female", "Male"],
        "Employed": ["Yes", "No", "Yes", "No", "Yes", "No"],
        "Age": [30, 28, 27, 24, 28, 25],
    }
)

print(data)
print("")
print("Count of Each group:")
grouped_df = data.groupby(["Gender", "Employed"]).size().reset_index(name="Count")
print(grouped_df)

Production :

       Name  Gender Employed  Age
0  Jennifer  Female      Yes   30
1    Travis    Male       No   28
2       Bob    Male      Yes   27
3      Emma  Female       No   24
4      Luna  Female      Yes   28
5     Anish    Male       No   25

Count of Each group:
   Gender Employed  Count
0  Female       No      1
1  Female      Yes      2
2    Male       No      2
3    Male      Yes      1

Il affiche le DataFrame, les groupes créés à partir du DataFrame, et le nombre d’entrées dans chaque groupe.

Si nous voulons la plus grande valeur de comptage pour chaque valeur dans la colonne Employed, nous pouvons former un autre groupe à partir du groupe créé ci-dessus et compter les valeurs, puis obtenir la valeur maximale de comptage en utilisant la méthode max().

import pandas as pd

roll_no = [501, 502, 503, 504, 505]

data = pd.DataFrame(
    {
        "Name": ["Jennifer", "Travis", "Bob", "Emma", "Luna", "Anish"],
        "Gender": ["Female", "Male", "Male", "Female", "Female", "Male"],
        "Employed": ["Yes", "No", "Yes", "No", "Yes", "No"],
        "Age": [30, 28, 27, 24, 28, 25],
    }
)

print(data)
print("")

groups = data.groupby(["Gender", "Employed"]).size().groupby(level=1)
print(groups.max())

Production :

       Name  Gender Employed  Age
0  Jennifer  Female      Yes   30
1    Travis    Male       No   28
2       Bob    Male      Yes   27
3      Emma  Female       No   24
4      Luna  Female      Yes   28
5     Anish    Male       No   25

Employed
No     2
Yes    2
dtype: int64

Il montre le nombre maximum de valeurs de la colonne Employed parmi les groupes créés à partir des colonnes Gender et Employed.

Auteur: Suraj Joshi

Suraj Joshi is a backend software engineer at Matrice.ai.

Pandas Groupby deux colonnes

Pandas Groupby plusieurs colonnes

Nombre de lignes dans chaque groupe Pandas

Article connexe - Pandas DataFrame Column

Article connexe - Pandas Groupby