Группировка

Группировка нужна, когда таблицу надо разбить на части по значениям одного или нескольких столбцов, а затем посчитать результат для каждой группы.

Например, можно узнать:

• сколько учеников в каждом классе;
• какой средний балл у каждого класса;
• какие результаты получились по каждому предмету;
• как отличаются группы после фильтрации таблицы.

GroupBy сам по себе только создаёт группы. Чтобы получить таблицу с результатом, после него вызывают агрегирующую операцию: Count, Mean, Min, Max, Std, Describe.

Количество строк в группах

Самый простой вариант группировки — посчитать, сколько строк относится к каждому значению столбца.

uses MLABC;

begin
  var df := DataFrame.FromCsvText('''
  Имя,Класс,Балл
  Анна,8А,91
  Борис,8Б,76
  Вера,8А,84
  Глеб,8Б,68
  Дина,8А,95
  Егор,8Б,72
  ''');

  df.GroupBy('Класс').Count.Print;
end.

Здесь GroupBy('Класс') разбивает строки на группы по классу, а Count считает количество строк в каждой группе.

Для простого подсчёта значений одного столбца можно использовать и более короткий вариант:

df['Класс'].ValueCounts.Print;

GroupBy нужен тогда, когда после разбиения на группы надо считать статистики по другим столбцам.

Среднее значение по группам

Посчитаем средний балл в каждом классе.

uses MLABC;

begin
  var df := DataFrame.FromCsvText('''
  Имя,Класс,Балл
  Анна,8А,91
  Борис,8Б,76
  Вера,8А,84
  Глеб,8Б,68
  Дина,8А,95
  Егор,8Б,72
  ''');

  df.GroupBy('Класс').Mean('Балл').Print;
end.

В результате получится новая таблица: одна строка на каждый класс и отдельный столбец со средним баллом.

Так же можно считать минимум, максимум и стандартное отклонение:

df.GroupBy('Класс').Min('Балл').Print;
df.GroupBy('Класс').Max('Балл').Print;
df.GroupBy('Класс').Std('Балл').Print;

Несколько статистик

Если нужна краткая сводка сразу с несколькими статистиками, используйте Describe.

uses MLABC;

begin
  var df := DataFrame.FromCsvText('''
  Имя,Класс,Балл
  Анна,8А,91
  Борис,8Б,76
  Вера,8А,84
  Глеб,8Б,68
  Дина,8А,95
  Егор,8Б,72
  ''');

  df.GroupBy('Класс').Describe('Балл').Print;
end.

Describe('Балл') строит по каждой группе набор основных статистик: количество значений, среднее, стандартное отклонение, минимум и максимум.

Группировка по нескольким столбцам

Группировать можно не только по одному столбцу. Например, посчитаем средний балл по каждому предмету внутри каждого класса.

uses MLABC;

begin
  var df := DataFrame.FromCsvText('''
  Имя,Класс,Предмет,Балл
  Анна,8А,Математика,91
  Анна,8А,Информатика,96
  Борис,8Б,Математика,76
  Борис,8Б,Информатика,82
  Вера,8А,Математика,84
  Вера,8А,Информатика,90
  Глеб,8Б,Математика,68
  Глеб,8Б,Информатика,74
  ''');

  df.GroupBy(['Класс', 'Предмет'])
    .Mean('Балл')
    .Print;
end.

В такой таблице группа задаётся парой значений: класс и предмет.

Фильтрация перед группировкой

Перед группировкой часто сначала отбирают нужные строки. Например, уберём пропущенные баллы и посчитаем средний результат только по заполненным значениям.

uses MLABC;

begin
  var df := DataFrame.FromCsvText('''
  Имя,Класс,Балл
  Анна,8А,91
  Борис,8Б,76
  Вера,8А,84
  Глеб,8Б,68
  Дина,8А,95
  Егор,8Б,NA
  ''');

  df.Filter(row -> row['Балл'].IsValid)
    .GroupBy('Класс')
    .Mean('Балл')
    .Print;
end.

Такая цепочка читается как последовательность действий: убрать строки без балла, сгруппировать по классу, посчитать средний балл.

Пример с продажами

Группировка часто используется, чтобы получить итоги по категориям: например, посчитать выручку по каждому типу товара.

uses MLABC;

begin
  var df := DataFrame.FromCsvText('''
  Товар,Категория,Количество,Цена
  Хлеб,Продукты,2,45.50
  Молоко,Продукты,1,72.90
  Блокнот,Канцтовары,3,120
  Яблоки,Продукты,4,58.25
  Ручка,Канцтовары,5,35
  ''');

  df.WithColumnFloat('Сумма', row -> row['Количество'] * row['Цена'])
    .GroupBy('Категория')
    .Sum('Сумма')
    .Print;
end.

Что важно помнить

• GroupBy разбивает таблицу на группы, но не печатает результат сам по себе.
• После GroupBy нужна агрегирующая операция: Count, Mean, Min, Max, Std, Describe.
• Группировать можно по одному столбцу или по нескольким столбцам.
• Для простого подсчёта значений одного столбца часто достаточно df['Столбец'].ValueCounts.
• Перед группировкой можно использовать Filter, SortBy, Select и другие операции DataFrame.