Pandas でデータをグループ化および合計して、顧客および果物の種類ごとに購入総額を計算するにはどうすればよいですか?
Dec 25, 2024 pm 02:55 PM
Pandas でのデータのグループ化と合計
データ分析では、意味のある洞察を得るために特定の基準に従ってデータを集計することが必要になることがよくあります。データ操作用の強力な Python ライブラリである Pandas は、1 つ以上の列に基づいてデータをグループ化する groupby() メソッドを提供します。このメソッドを sum() などの集計関數(shù)と組み合わせて、各グループの集計値を計算できます。
グループごとの値の合計の計算
次のように仮定します。個人による果物の消費に関する情報を含むデータフレームを持っています。各行は、果物の種類、購入日、顧客名、購入した果物の數(shù)を含む果物の購入を表します。
各個人が購入した果物の合計數(shù)を、果物の種類と顧客名の両方でグループ化して計算します。
ステップ 1: データをグループ化する
まず、両方で DataFrame をグループ化します。 groupby() メソッドを使用した 'Fruit' 列と 'Name' 列:
df_grouped = df.groupby(['Fruit', 'Name'])
これにより、グループ化されたデータを表す SeriesGroupBy オブジェクトが作成されます。
ステップ 2: 適用Sum 関數(shù)
各グループが購入した果物の総數(shù)を計算するには、グループ化されたシリーズへの sum() 関數(shù):
df_grouped_sum = df_grouped['Number'].sum()
結果のシリーズ df_grouped_sum には、果物の種類と顧客名の固有の組み合わせごとに果物購入の合計が含まれます。
例
次のことを考えてみましょうDataFrame:
Fruit Date Name Number Apples 10/6/2016 Bob 7 Apples 10/6/2016 Bob 8 Apples 10/6/2016 Mike 9 Apples 10/7/2016 Steve 10 Apples 10/7/2016 Bob 1 Oranges 10/7/2016 Bob 2 Oranges 10/6/2016 Tom 15 Oranges 10/6/2016 Mike 57 Oranges 10/6/2016 Bob 65 Oranges 10/7/2016 Tony 1 Grapes 10/7/2016 Bob 1 Grapes 10/7/2016 Tom 87 Grapes 10/7/2016 Bob 22 Grapes 10/7/2016 Bob 12 Grapes 10/7/2016 Tony 15
この DataFrame に groupby() および sum() 操作を適用すると、次の結果が得られます:
Number
Fruit Name
Apples Bob 16
Mike 9
Steve 10
Grapes Bob 35
Tom 87
Tony 15
Oranges Bob 67
Mike 57
Tom 15
Tony 1
この出力は、によって購入されたフルーツの合計數(shù)を示しています。それぞれの個體を果物の種類ごとに分類します。
以上がPandas でデータをグループ化および合計して、顧客および果物の種類ごとに購入総額を計算するにはどうすればよいですか?の詳細內容です。詳細については、PHP 中國語 Web サイトの他の関連記事を參照してください。
ホットAIツール
Undress AI Tool
脫衣畫像を無料で
Undresser.AI Undress
リアルなヌード寫真を作成する AI 搭載アプリ
AI Clothes Remover
寫真から衣服を削除するオンライン AI ツール。
Clothoff.io
AI衣類リムーバー
Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。
人気の記事
ホットツール
メモ帳++7.3.1
使いやすく無料のコードエディター
SublimeText3 中國語版
中國語版、とても使いやすい
ゼンドスタジオ 13.0.1
強力な PHP 統(tǒng)合開発環(huán)境
ドリームウィーバー CS6
ビジュアル Web 開発ツール
SublimeText3 Mac版
神レベルのコード編集ソフト（SublimeText3）
ホットトピック
Pythonクラスの多型
Jul 05, 2025 am 02:58 AM
Pythonオブジェクト指向プログラミングのコアコンセプトであるPythonは、「1つのインターフェイス、複數(shù)の実裝」を指し、異なるタイプのオブジェクトの統(tǒng)一処理を可能にします。 1。多型は、メソッドの書き換えを通じて実裝されます。サブクラスは、親クラスの方法を再定義できます。たとえば、Animal ClassのSOCK（）方法は、犬と貓のサブクラスに異なる実裝を持っています。 2.多型の実用的な用途には、グラフィカルドローイングプログラムでdraw（）メソッドを均一に呼び出すなど、コード構造を簡素化し、スケーラビリティを向上させる、ゲーム開発における異なる文字の共通の動作の処理などが含まれます。 3. Pythonの実裝多型を満たす必要があります：親クラスはメソッドを定義し、子クラスはメソッドを上書きしますが、同じ親クラスの継承は必要ありません。オブジェクトが同じ方法を実裝する限り、これは「アヒル型」と呼ばれます。 4.注意すべきことには、メンテナンスが含まれます
Python関數(shù)引數(shù)とパラメーター
Jul 04, 2025 am 03:26 AM
パラメーターは関數(shù)を定義するときはプレースホルダーであり、引數(shù)は呼び出し時に特定の値が渡されます。 1。位置パラメーターを順番に渡す必要があり、順序が正しくない場合は結果のエラーにつながります。 2。キーワードパラメーターはパラメーター名で指定されており、順序を変更して読みやすさを向上させることができます。 3.デフォルトのパラメーター値は、複製コードを避けるために定義されたときに割り當てられますが、変數(shù)オブジェクトはデフォルト値として避ける必要があります。 4. Argsおよび *Kwargsは、不確実な數(shù)のパラメーターを処理でき、一般的なインターフェイスまたはデコレータに適していますが、読みやすさを維持するためには注意して使用する必要があります。
Pythonジェネレーターと反復器を説明します。
Jul 05, 2025 am 02:55 AM
イテレータは、__iter __（）および__next __（）メソッドを実裝するオブジェクトです。ジェネレーターは、単純化されたバージョンのイテレーターです。これは、収量キーワードを介してこれらのメソッドを自動的に実裝しています。 1. Iteratorは、次の（）を呼び出すたびに要素を返し、要素がなくなると停止例外をスローします。 2。ジェネレーターは関數(shù)定義を使用して、オンデマンドでデータを生成し、メモリを保存し、無限シーケンスをサポートします。 3。既存のセットを処理するときに反復器を使用すると、大きなファイルを読み取るときに行ごとにロードするなど、ビッグデータや怠zyな評価を動的に生成するときにジェネレーターを使用します。注：リストなどの反復オブジェクトは反復因子ではありません。イテレーターがその端に達した後、それらは再作成する必要があり、発電機はそれを一度しか通過できません。
python `@classmethod`デコレーターが説明しました
Jul 04, 2025 am 03:26 AM
クラスメソッドは、@ClassMethodデコレーターを介してPythonで定義されるメソッドです。最初のパラメーターはクラス自體（CLS）で、クラス狀態(tài)へのアクセスまたは変更に使用されます。特定のインスタンスではなく、クラス全體に影響を與えるクラスまたはインスタンスを通じて呼び出すことができます。たとえば、Personクラスでは、show_count（）メソッドは作成されたオブジェクトの數(shù)を數(shù)えます。クラスメソッドを定義するときは、@ClassMethodデコレータを使用して、Change_Var（new_Value）メソッドなどの最初のパラメーターCLSに名前を付けてクラス変數(shù)を変更する必要があります。クラス方法は、インスタンスメソッド（自己パラメーター）および靜的メソッド（自動パラメーターなし）とは異なり、工場の方法、代替コンストラクター、およびクラス変數(shù)の管理に適しています。一般的な用途には以下が含まれます。
PythonでAPI認証を処理する方法
Jul 13, 2025 am 02:22 AM
API認証を扱うための鍵は、認証方法を正しく理解して使用することです。 1。Apikeyは、通常、リクエストヘッダーまたはURLパラメーターに配置されている最も単純な認証方法です。 2。BasicAuthは、內部システムに適したBase64エンコード送信にユーザー名とパスワードを使用します。 3。OAUTH2は、最初にclient_idとclient_secretを介してトークンを取得し、次にリクエストヘッダーにbearertokenを持ち込む必要があります。 4。トークンの有効期限に対処するために、トークン管理クラスをカプセル化し、トークンを自動的に更新できます。要するに、文書に従って適切な方法を選択し、重要な情報を安全に保存することが重要です。
Python Magic MethodsまたはDunder Methodとは何ですか？
Jul 04, 2025 am 03:20 AM
PythonのMagicMethods（またはDunder Methods）は、オブジェクトの動作を定義するために使用される特別な方法であり、二重のアンダースコアで始まり、終了します。 1.オブジェクトは、追加、比較、文字列表現(xiàn)などの組み込み操作に応答できるようにします。 2.一般的なユースケースには、オブジェクトの初期化と表現(xiàn)（__init__、__Repr__、__str__）、算術操作（__ add__、__sub__、__mul__）、および比較操作（__eq__、___lt__）が含まれます。 3。それを使用するときは、彼らの行動が期待を満たしていることを確認してください。たとえば、__Repr__はリファクタリング可能なオブジェクトの式を返す必要があり、算術メソッドは新しいインスタンスを返す必要があります。 4.過剰使用または混亂を招くことは避ける必要があります。
Pythonメモリ管理はどのように機能しますか？
Jul 04, 2025 am 03:26 AM
PythonManagesMemoryAutomatelyUsingTuntingAndagarBageCollector.ReferencountingTrackShowManyvariablesRefertoAnobject、およびThemeMoryisfreed.
PythonのPython Garbage Collectionを説明してください。
Jul 03, 2025 am 02:07 AM
Pythonのごみ収集メカニズムは、參照カウントと定期的なごみ収集を通じてメモリを自動的に管理します。そのコアメソッドは參照カウントであり、オブジェクトの參照の數(shù)がゼロになるとすぐにメモリを解放します。ただし、円形の參照を処理できないため、ループを検出してクリーニングするために、Garbage Collection Module（GC）が導入されています。通常、ガベージコレクションは、プログラムの操作中に參照カウントが減少したときにトリガーされます。割り當てとリリースの差がしきい値を超える、またはgc.collect（）が手動で呼ばれるときにトリガーされます。ユーザーは、gc.disable（）を介して自動リサイクルをオフにし、gc.collect（）を手動で実行し、gc.set_threshold（）を介して制御を実現(xiàn)するためにしきい値を調整できます。すべてのオブジェクトがループリサイクルに參加するわけではありません。參照が含まれていないオブジェクトが參照カウントによって処理されている場合、それは組み込まれています
