أساسيات GroupBy

نمط التقسيم-والتطبيق-والدمج

يعتبر GroupBy أحد أقوى ميزات pandas. يتبع نمطًا من ثلاث خطوات:

1. التقسيم ، قسّم إطار البيانات إلى مجموعات بناءً على عمود واحد أو أكثر
2. التطبيق ، احسب دالة على كل مجموعة بشكل مستقل
3. الدمج ، ادمج النتائج مرة أخرى في إطار بيانات واحد

import pandas as pd

# titanic.csv ships with the course — load it from the browser file system.
df = pd.read_csv("titanic.csv")

التجميع حسب عمود واحد

# Average survival rate by passenger class
print(df.groupby("Pclass")["Survived"].mean())

المخرجات:

Pclass
1    0.629630
2    0.472826
3    0.242363
Name: Survived, dtype: float64

كان معدل نجاة ركاب الدرجة الأولى 63%، مقارنة بـ 24% للدرجة الثالثة. كشف groupby عن فجوة طبقية صارخة في ثوانٍ.

ما يحدث خطوة بخطوة:

# This is conceptually what groupby does:
for pclass, group_df in df.groupby("Pclass"):
    print(f"Class {pclass}: {group_df['Survived'].mean():.3f}")

التجميع حسب أعمدة متعددة

# Survival rate by class and sex
print(df.groupby(["Pclass", "Sex"])["Survived"].mean())

المخرجات:

Pclass  Sex   
1       female    0.968085
        male      0.368852
2       female    0.921053
        male      0.157407
3       female    0.500000
        male      0.135447
Name: Survived, dtype: float64

استخدم unstack() لجعل هذا أسهل قراءة:

print(df.groupby(["Pclass", "Sex"])["Survived"].mean().unstack())

أساليب التجميع

يدعم GroupBy جميع عمليات التجميع القياسية:

# Mean fare by class
print(df.groupby("Pclass")["Fare"].mean())

# Total fare collected per class
print(df.groupby("Pclass")["Fare"].sum())

# Count of passengers per class
print(df.groupby("Pclass")["PassengerId"].count())

عمليات تجميع متعددة باستخدام agg()

تطبق طريقة agg() دوال متعددة دفعة واحدة:

print(df.groupby("Pclass")["Fare"].agg(["mean", "median", "min", "max", "count"]))

المخرجات:

              mean  median     min       max  count
Pclass                                             
1        84.154687  60.287  0.0000  512.3292    216
2        20.662183  19.575  0.0000   73.5000    184
3        13.675550   8.050  0.0000   56.4958    491

عمليات تجميع مختلفة لكل عمود:

print(df.groupby("Pclass").agg({
    "Survived": "mean",
    "Fare": ["mean", "max"],
    "Age": "median",
    "Name": "count"
}))

تجميع جميع الأعمدة الرقمية

# Quick summary of all numeric columns per group
print(df.groupby("Pclass").mean(numeric_only=True))

GroupBy مع الفلاتر

بعد التجميع، يمكنك تصفية مجموعات كاملة:

# Keep only groups with more than 50 passengers
large_groups = df.groupby("Pclass").filter(lambda x: len(x) > 50)
print(large_groups["Pclass"].value_counts())

جرّب بنفسك

باستخدام مجموعة بيانات تيتانيك، احسب:

1. متوسط الأجرة لكل ميناء إقلاع
2. معدل النجاة لكل توليفة من الجنس وميناء الإقلاع
3. إحصاءات العمر (المتوسط والوسيط والأدنى والأقصى) لكل درجة ركاب

import pandas as pd

# titanic.csv ships with the course — load it from the browser file system.
df = pd.read_csv("titanic.csv")

print("Average fare by port:")
print(df.groupby("Embarked")["Fare"].mean())

print("\nSurvival by sex and port:")
print(df.groupby(["Sex", "Embarked"])["Survived"].mean().unstack())

print("\nAge stats by class:")
print(df.groupby("Pclass")["Age"].agg(["mean", "median", "min", "max"]))

خلاصات رئيسية

• يتبع GroupBy نمط التقسيم-والتطبيق-والدمج: قسّم البيانات، طبق دالة، ادمج النتائج
• جمّع بعمود واحد للملخصات البسيطة، وبأعمدة متعددة لتحليل أعمق
• يتيح لك agg() حساب إحصاءات متعددة مرة واحدة، لكل عمود إذا لزم الأمر
• يكشف GroupBy أنماطًا غير مرئية في البيانات الخام

تحدي التطبيق

من مجموعة بيانات تيتانيك، احسب معدل النجاة لكل توليفة من Pclass و Sex وما إذا كان الراكب يسافر بمفرده (SibSp + Parch == 0). أي مجموعة حققت أعلى معدل نجاة؟ وأيها الأدنى؟