# Mis on pandas groupby() ja kuidas seda kasutada?

Python pandas `DataFrame.groupby()` funktsiooni abil saate **grupeerida andmeid kindlate kriteeriumide alusel** ning teha andmetega erinevaid koondamisi ja teisendusi.

## Mis on pandas `DataFrame.groupby()` süntaks?

Pandas `groupby()` võtab vastu **kuni neli parameetrit**. Põhiline süntaks on järgmine:

```python
DataFrame.groupby(by=None, level=None, as_index=True, sort=True, group_keys=True, dropna=True)
```

### Olulised parameetrid `groupby` jaoks

<table>
  <thead>
    <tr>
      <th><strong>Parameeter</strong></th>
      <th><strong>Kirjeldus</strong></th>
      <th><strong>Vaikimisi väärtus</strong></th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td>`by`</td>
      <td>Rühmitamiseks kasutatav võti või Python -võtete loend; ei tohi kombineerida `level`-ga</td>
      <td>`None`</td>
    </tr>
    <tr>
      <td>`level`</td>
      <td>Kasutatakse MultiIndexi puhul ühe või mitme rühmitamise taseme määramiseks.</td>
      <td>`None`</td>
    </tr>
    <tr>
      <td>`as_index`</td>
      <td>Kui `True`, määratakse rühma võtmed tulemuseks oleva DataFrame’i indeksiks.</td>
      <td>`True`</td>
    </tr>
    <tr>
      <td>`group_keys`</td>
      <td>Kui `True`, lisatakse rühma võtmed rühmade indeksisse.</td>
      <td>`True`</td>
    </tr>
    <tr>
      <td>`dropna`</td>
      <td>Määrab, kas välistada rühmad, millel on NaN väärtused.</td>
      <td>`True`</td>
    </tr>
  </tbody>
</table>

## Kuidas kasutada pandas `DataFrame.groupby()`

Funktsioon pandas `groupby()` on eriti kasulik **suurte andmekogumite analüüsimiseks ja kokkuvõtmiseks**, aidates tuvastada mustreid või kõrvalekaldeid.

### Rühmitamine ja koondamine

Allpool on näide müügiandmete kogumist, mis sisaldab teavet müügi kuupäeva, müüdud toote ja müüdud koguse kohta:

```python
import pandas as pd
# Sample sales dataset
data = {
    'Date': ['2021-01-01', '2021-01-01', '2021-01-02', '2021-01-02', '2021-01-03'],
    'Product': ['A', 'B', 'A', 'B', 'A'],
    'Quantity': [10, 20, 15, 25, 10]
}
df = pd.DataFrame(data)
print(df)
```

Saadud andmeraamistik näeb välja järgmine:

```none
Date Product  Quantity
0  2021-01-01       A       10
1  2021-01-01       B       20
2  2021-01-02       A       15
3  2021-01-02       B       25
4  2021-01-03       A       10
```

Järgmiseks rühmitame andmekogumi toodete kaupa, kasutades pandas `groupby()`. Seejärel arvutame iga toote müüdud koguse, kasutades funktsiooni `sum()`:

```none
# Group by product and calculate the sum of the quantity sold
summe = df.groupby('Product')['Quantity'].sum()
print(total)
```

Tulemus näitab iga toote müüdud ühikute koguarvu:

```none
Product
A    35
B    45
Name: Quantity, dtype: int64
```

### Mitmekordsed koondamised

Järgmises näites kasutame laiendatud andmekogumit, mis sisaldab ka tulusid:

```python
data = {
    'Date': ['2021-01-01', '2021-01-01', '2021-01-02', '2021-01-02', '2021-01-03'],
    'Product': ['A', 'B', 'A', 'B', 'A'],
    'Quantity': [10, 20, 15, 25, 10],
    'Revenue': [100, 200, 150, 250, 100]
}
df = pd.DataFrame(data)
print(df)
```

Andmestruktuur näeb välja järgmine:

```none
Date Product  Quantity  Revenue
0  2021-01-01       A       10      100
1  2021-01-01       B       20      200
2  2021-01-02       A       15      150
3  2021-01-02       B       25      250
4  2021-01-03       A       10      100
```

Kasutades pandas `DataFrame.groupby()`, rühmitame andmed toodete kaupa ja kasutame seejärel funktsiooni `agg()`, et arvutada kogukogus ja -tulu ning keskmine tulu toote kohta.

```none
# Group by product and apply multiple aggregations
groups = df.groupby('Product').agg({
    'Quantity': 'sum',
    'Revenue': ['sum', 'mean']
})
print(groups)
```

Siin on tulemus:

```none
Quantity Revenue        
          sum    sum    mean
Product                  
A          35    350  116.666667
B          45    450  225.000000
```


This is a markdown version of: [https://www.ionos.com/et-ee/digitalguide/veebisaidid/veebiarendus/python-pandas-dataframe-groupby/](https://www.ionos.com/et-ee/digitalguide/veebisaidid/veebiarendus/python-pandas-dataframe-groupby/) for AI/LLM consumption.