|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 |
import pandas as pd # Örnek veri data = {'Takım': ['Galatasaray', 'Fenerbahçe', 'Beşiktaş', 'Trabzonspor', 'Galatasaray', 'Beşiktaş'], 'Oyuncu': ['Ozan', 'Mert', 'Cenk', 'Abdülkadir', 'Arda', 'Atiba'], 'Maaş': [5000000, 4500000, 4000000, 3500000, 6000000, 5500000], 'Yaş': [25, 27, 24, 28, 30, 33]} df = pd.DataFrame(data) # Takımlara göre gruplama ve ortalama maaşları hesaplama grouped_maaş = df.groupby('Takım')['Maaş'].mean() print("Gruplanmış ve Ortalama Maaşlar:") print(grouped_maaş) # Takımlara göre toplam maaşları hesaplama grouped_toplam_maaş = df.groupby('Takım')['Maaş'].sum() print("\nGruplanmış ve Toplam Maaşlar:") print(grouped_toplam_maaş) # Takımlara göre en yaşlı oyuncuyu seçme oldest_players = df.groupby('Takım')['Yaş'].max() print("\nGruplanmış ve En Yaşlı Oyuncular:") print(oldest_players) # Takımlara göre yaş ortalamalarını ve ortalama maaşları hesaplama grouped_stats = df.groupby('Takım').agg({'Yaş': 'mean', 'Maaş': 'mean'}) print("\nGruplanmış İstatistikler:") print(grouped_stats) |
Bu örneklerde, farklı groupby() senaryolarını görebilirsiniz: groupby() ile takımlara göre ortalama maaşları hesaplama. groupby() ile takımlara göre toplam maaşları hesaplama. groupby() ile takımlara göre en yaşlı oyuncuyu seçme. Birden…
Yorum Bırak