Nhảy tới nội dung

Groupby cơ bản

Cú pháp​

Phương thức.groupby sẽ gom các dòng hoặc các cột thành các nhóm khác nhau. Cú pháp cơ bản của.groupbynhư sau

DataFrame.groupby(by=None, axis=0, dropna=True)

Trong đó:

  • by: có thể là dạng mapping, nhãn, danh sách nhãn hoặc một hàm trả về danh sách các index
  • axis: Tùy chọn group theo dòng {0 hoặc index} hoặc cột {1 hoặc columns}, mặc định là dòng.
  • dropna: Mặc định là True sẽ bỏ qua những dòng chứa NA và False sẽ thêm NA là một khóa trong nhóm, tương tự như .value_counts()
df = pd.read_csv('https://raw.githubusercontent.com/lhduc94/kungfupandas/master/data/bigmart-sale-data/train.csv',
                 usecols=['Item_Identifier','Item_Type','Outlet_Size','Item_Outlet_Sales'])
df.head()
	Item_Identifier	            Item_Type	Outlet_Size	    Item_Outlet_Sales
0	          FDA15	                Dairy	     Medium	            3735.1380
1	          DRC01	          Soft Drinks	     Medium	             443.4228
2	          FDN15	                 Meat	     Medium	            2097.2700
3	          FDX07	Fruits and Vegetables	        NaN	             732.3800
4	          NCD19	            Household	       High	             994.7052

Kết quả trả về của phương thức groupby là một đối tượng thuộc lớp pandas.core.groupby.generic.DataFrameGroupBy

grouped = df.groupby("Item_Type")
print(type(grouped))
<class 'pandas.core.groupby.generic.DataFrameGroupBy'>

Để xem từng nhóm trong group, ta có thể sử dụng .get_groups() và truyền key vào đó. Ví dụ với key Dairy

grouped.get_group("Dairy").head()

    Item_Identifier	Item_Type	Outlet_Size	Item_Outlet_Sales
0	          FDA15	    Dairy	     Medium	        3735.1380
11	          FDA03	    Dairy	      Small	        2187.1530
19	          FDU02	    Dairy	      Small	        2748.4224
28	          FDE51	    Dairy               NaN	         178.4344
30	          FDV38	    Dairy               NaN	         163.7868

Khi chọn 1 column sau khi .groupby sẽ trả đối tưởng thuộc lớp pandas.core.groupby.generic.SeriesGroupBy

df.groupby("Item_Type")['Item_Outlet_Sales']
<pandas.core.groupby.generic.SeriesGroupBy object at 0x0000021D41248A00>

Các phương thức trong Groupby Object​

kết quả trả về là một dataframe với n dòng đầu tiên của mỗi group.
Lưu ý, kết quả trả về theo thứ tự index, không theo thứ tự của by

df.groupby(['Item_Type']).head(n=2)
	Item_Identifier	Item_Type	Outlet_Size	Item_Outlet_Sales
0	FDA15	Dairy	Medium	3735.1380
1	DRC01	Soft Drinks	Medium	443.4228
2	FDN15	Meat	Medium	2097.2700
3	FDX07	Fruits and Vegetables	NaN	732.3800
4	NCD19	Household	High	994.7052
5	FDP36	Baking Goods	Medium	556.6088
6	FDO10	Snack Foods	High	343.5528
7	FDP10	Snack Foods	Medium	4022.7636
8	FDH17	Frozen Foods	NaN	1076.5986
9	FDU28	Frozen Foods	NaN	4710.5350
10	FDY07	Fruits and Vegetables	Medium	1516.0266
11	FDA03	Dairy	Small	2187.1530
15	FDP49	Breakfast	Small	1547.3192
16	NCB42	Health and Hygiene	Medium	1621.8888
17	FDP49	Breakfast	Medium	718.3982
18	DRI11	Hard Drinks	Medium	2303.6680
21	FDW12	Baking Goods	Medium	4064.0432
22	NCB30	Household	Small	1587.2672
27	DRJ59	Hard Drinks	High	308.9312
29	FDC14	Canned	Small	125.8362
31	NCS17	Health and Hygiene	Medium	2741.7644
33	FDO23	Breads	NaN	2174.5028
34	DRH01	Soft Drinks	Small	2085.2856
41	FDK43	Meat	High	2150.5340
43	FDC02	Canned	Medium	6768.5228
72	FDH35	Starchy Foods	NaN	4604.6728
114	FDV11	Breads	NaN	3151.8972
136	FDH35	Starchy Foods	Medium	5262.4832
139	NCN07	Others	NaN	263.6568
142	NCO55	Others	NaN	2143.8760
231	FDG33	Seafood	Medium	3435.5280
713	FDH21	Seafood	Medium	1267.6832
 
df.groupby(['Item_Type']).head(n=2).sort_values(['Item_Type'])

count()​

Phương thức này trả về số lượng các phần tử trong mỗi nhóm.

df.groupby("Item_Type").count()

Chúng ta có thể thấy hàm count() đã đếm số lượng các phần tử Not nUll trong mỗi nhóm.

df.groupby('Outlet_Size').count()

size()​

Phương thức này trả về số lượng các phần tử trong mỗi nhóm.

df.groupby("Item_Type").size()
Item_Type
Baking Goods              648
Breads                    251
Breakfast                 110
Canned                    649
Dairy                     682
Frozen Foods              856
Fruits and Vegetables    1232
Hard Drinks               214
Health and Hygiene        520
Household                 910
Meat                      425
Others                    169
Seafood                    64
Snack Foods              1200
Soft Drinks               445
Starchy Foods             148
dtype: int64