Știința datelor – Python – Metoda .groupby()

Iată un exemplu practic. Nu este nimic nou faptul că am putea afla, de exemplu, mediana IQ-ului pentru întreaga familie Simpson:

print(simpsons['IQ'].median())

▐ 95.0

Dar este o informație nouă faptul că putem face acest lucru separat pentru fiecare gen, folosind:

print(simpsons.groupby('gender')['IQ'].median())

▐ gender
▐ F    120.0
▐ M   74.0
▐ Name: IQ, dtype: float64

Transmitem o variabilă categorică drept argument pentru .groupby() și specificăm o variabilă numerică drept coloana pe care dorim să o analizăm. În cele din urmă, alegem statistica sumară dorită (.median() în cazul de mai sus).

Toate acestea generează un obiect de tip Series. Gândește-te bine: cheile acestui Series rezultat sunt valorile variabilei categorice (din setul de date original) pe baza căreia am grupat, iar valorile din Series-ul rezultat reprezintă rezultatele aplicării funcției statistice pentru fiecare subset în parte.

Așadar, pe lângă faptul că știm că mediana IQ-ului pentru întreaga familie Simpson este 95, aflăm acum și că, în rândul băieților și bărbaților din familia Simpson, aceasta este de doar 74, în timp ce, în rândul fetelor și femeilor, valoarea este una impresionantă: 120.

Un alt exemplu: să aflăm vârsta maximă pentru fiecare tip de coafură:

print(simpsons.groupby('hair')['age'].max())

▐ hair
▐ buzz              10
▐ curly              8
▐ none              36
▐ shaggy             4
▐ stacked tall      34
▐ Name: age, dtype: int64

(Întrucât există o mare varietate de coafuri, Maggie este singura a cărei vârstă nu apare în această listă.)

Sursa: Stephen Davies, The Crystal Ball – Instruction Manual, Vol. 1: Introduction to Data Science, v. 1.1. Copyright © 2021 Stephen Davies. Licența CC BY-SA 4.0. Traducere și adaptare: Nicolae Sfetcu. © 2026 MultiMedia Publishing, Introducere în Știința Datelor, Volumul 1