- Apple iPhone 16 Pro - rutinvizsga
- iPhone topik
- Samsung Galaxy Watch8 és Watch8 Classic – lelkes hiperaktivitás
- One mobilszolgáltatások
- Samsung Galaxy Watch8 - Classic - Ultra 2025
- Apple Watch Sport - ez is csak egy okosóra
- Megkönnyítette az iPhone az androidos átköltözést
- Fotók, videók mobillal
- Apple iPhone 17 Pro Max – fennsík
- Sony WF-1000XM6 – ez évi etalon?
Új hozzászólás Aktív témák
-
cousin333
addikt
válasz
concret_hp
#1286
üzenetére
Szerintem akkor is a
groupbya megoldás... csak nyilván nem magában.Béta verziós megoldás. Íme az "eredeti" táblázat:
>>> df.head()
Datum Ugyfel Termek Ar
0 dátum1 ügyfél1 termék1 ár1
1 dátum1 ügyfél1 termék2 ár2
2 dátum1 ügyfél1 termék3 ár3
3 dátum2 ügyfél1 termék1 ár1
4 dátum2 ügyfél1 termék2 ár2A
groupbyobjektum szétbontja egyedi csoportokra a dátum és az ügyfél neve alapján:gr = df.groupby(['Ugyfel', 'Datum'])Ezután már az
applymetódussal tudunk az egyes részeken tetszőleges függvényeket futtatni (lehet akársumis), majd az eredményt összefűzni. A kissé favágó megoldás az összeadásra:def func(group, cucc1, cucc2):
x = group[group.Termek == cucc1].Ar.squeeze()
y = group[group.Termek == cucc2].Ar.squeeze()
return x+y
gr.apply(func, 'termék1', 'termék2')Az eredmény:
Ugyfel Datum
ügyfél1 dátum1 ár1ár2
dátum2 ár1ár2
ügyfél2 dátum1 ár1ár2
ügyfél6 dátum2 ár1ár2
dtype: objectA
functartalmán még lehet finomítani...![;]](//cdn.rios.hu/dl/s/v1.gif)
Új hozzászólás Aktív témák
- Alienware 17r4 olvass
- HIBÁTLAN iPhone 12 Pro Max 256GB Pacific Blue-1 ÉV GARANCIA - Kártyafüggetlen, MS4533
- Dell P2419H / P2719H Full HD LED IPS 24"-27" LCD monitorok
- BESZÁMÍTÁS! ASRock H510M i5 11400F 16GB DDR4 512GB SSD RTX 4060Ti 8GB Zalman T3 Plus CM 650W
- MacBook felvásárlás!! MacBook, MacBook Air, MacBook Pro
Állásajánlatok
Cég: PCMENTOR SZERVIZ KFT.
Város: Budapest
Cég: Laptopműhely Bt.
Város: Budapest
![;]](http://cdn.rios.hu/dl/s/v1.gif)


