Panadas groupby

@Kadirov Akbar · Регистрация: 13.09.2021

Студворк — интернет-сервис помощи студентам

Добрый день друзья, помогите решить задачу с библиотекой pandas у меня есть датафрейм :

schools | teacher | students |
school1 | Mary | 10 |
school1 | Ana | 15 |
school2 | John | 30 |
school2 | Sam | 40 |
school3 | Bob | 50 |

нужно сгруппировав по столбцу schools, суммировать по столбцу students, и под конец новый столбец - количество сгруппированных строк, и всё это вывести в новый датафрейм:

в итоге должно получиться что то вроде этого:

schools | students | count_str |
school1 | 25 | 2 |
school2 | 70 | 2 |
school3 | 50 | 1 |

import pandas as pd

my_dict = {'Schools': ['school1', 'school1', 'school2', 'school2', 'school3'],
'Teacher': ['Mary', 'Ana', 'John', 'Sam', 'Bob'],
'students': [10, 15, 30, 40, 50]}

df = pd.DataFrame(my_dict)

@Gdez · 13.09.2021, 09:57

Kadirov Akbar,

Python
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
'''schools | students | count_str |
school1 | 25 | 2 |
school2 | 70 | 2 |
school3 | 50 | 1 |'''
 
 
import pandas as pd
import numpy as np
my_dict = {'Schools': ['school1', 'school1', 'school2', 'school2', 'school3'],
'Teacher': ['Mary', 'Ana', 'John', 'Sam', 'Bob'],
'students': [10, 15, 30, 40, 50]}
 
df = pd.DataFrame(my_dict)
print(df)
 
df1 = df.groupby('Schools')\
        .agg({'students':np.sum, 'Teacher':np.size})\
        .rename(columns={'Teacher': 'count_str'})\
        .reset_index()
print(df1)

Новые блоги и статьи Все статьи Все блоги /
WordPad для Windows 11 Jel 10.01.2026 WordPad для Windows 11 — это приложение, которое восстанавливает классический текстовый редактор WordPad в операционной системе Windows 11. После того как Microsoft исключила WordPad из. . .	Classic Notepad for Windows 11 Jel 10.01.2026 Old Classic Notepad for Windows 11 Приложение для Windows 11, позволяющее пользователям вернуть классическую версию текстового редактора «Блокнот» из Windows 10. Программа предоставляет более. . .	Почему дизайн решает? Neotwalker 09.01.2026 В современном мире, где конкуренция за внимание потребителя достигла пика, дизайн становится мощным инструментом для успеха бренда. Это не просто красивый внешний вид продукта или сайта — это. . .	Модель микоризы: классовый агентный подход 3 anaschu 06.01.2026 aa0a7f55b50dd51c5ec569d2d10c54f6/ O1rJuneU_ls https:/ / vkvideo. ru/ video-115721503_456239114
Owen Logic: О недопустимости использования связки «аналоговый ПИД» + RegKZR ФедосеевПавел 06.01.2026 Owen Logic: О недопустимости использования связки «аналоговый ПИД» + RegKZR ВВЕДЕНИЕ Введу сокращения: аналоговый ПИД — ПИД регулятор с управляющим выходом в виде числа в диапазоне от 0% до. . .	Модель микоризы: классовый агентный подход 2 anaschu 06.01.2026 репозиторий https:/ / github. com/ shumilovas/ fungi ветка по-частям. коммит Create переделка под биомассу. txt вход sc, но sm считается внутри мицелия. кстати, обьем тоже должен там считаться. . . .	Расчёт токов в цепи постоянного тока igorrr37 05.01.2026 / * Дана цепь постоянного тока с сопротивлениями и напряжениями. Надо найти токи в ветвях. Программа составляет систему уравнений по 1 и 2 законам Кирхгофа и решает её. Последовательность действий:. . .	Новый CodeBlocs. Версия 25.03 palva 04.01.2026 Оказывается, недавно вышла новая версия CodeBlocks за номером 25. 03. Когда-то давно я возился с только что вышедшей тогда версией 20. 03. С тех пор я давно снёс всё с компьютера и забыл. Теперь. . .

@Kadirov Akbar 0 / 0 / 0 Регистрация: 13.09.2021 Сообщений: 1

	Panadas groupby 13.09.2021, 09:05. Показов 1284. Ответов 1 Метки pandas (Все метки) Добрый день друзья, помогите решить задачу с библиотекой pandas у меня есть датафрейм : schools \| teacher \| students \| school1 \| Mary \| 10 \| school1 \| Ana \| 15 \| school2 \| John \| 30 \| school2 \| Sam \| 40 \| school3 \| Bob \| 50 \| нужно сгруппировав по столбцу schools, суммировать по столбцу students, и под конец новый столбец - количество сгруппированных строк, и всё это вывести в новый датафрейм: в итоге должно получиться что то вроде этого: schools \| students \| count_str \| school1 \| 25 \| 2 \| school2 \| 70 \| 2 \| school3 \| 50 \| 1 \| import pandas as pd my_dict = {'Schools': ['school1', 'school1', 'school2', 'school2', 'school3'], 'Teacher': ['Mary', 'Ana', 'John', 'Sam', 'Bob'], 'students': [10, 15, 30, 40, 50]} df = pd.DataFrame(my_dict) 0