|
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 fazla sütuna göre gruplayarak istatistiksel hesaplamalar yapma.
Bu örnekler, groupby() yöntemini daha iyi anlamanıza yardımcı olacaktır. Bu yöntem sayesinde verileri belirli bir sütuna göre gruplayarak gruplar üzerinde çeşitli analizler ve işlemler yapabilirsiniz.
İlk Yorumu Siz Yapın