Зачем часто используют as_index=False в выражении df.groupby("city", as_index=False)["revenue"].sum()?
AЧтобы
sum() работал быстрее за счёт отказа от построения индекса по столбцу cityBЧтобы группировка делалась по позициям строк в таблице, а не по значениям
cityCЧтобы автоматически удалить строки с
NaN в столбце revenue перед агрегированиемDЧтобы ключ
city остался обычным столбцом результата для удобного .merge() дальшеПравильный ответ.
as_index=False оставляет ключ группировки столбцом, а не индексом результата.Разбор
По умолчанию .groupby() делает ключ группировки индексом результирующей таблицы. С as_index=False pandas вернёт DataFrame, где city будет обычным столбцом. Это удобно в аналитических пайплайнах: такой результат проще объединять через .merge() по столбцу и проще читать без дополнительных reset_index().
Можно заниматься бесплатно
Готовим вопросы…
Три вопроса по теме этой страницы, с объяснениями.
Ещё вопросы по теме «Pandas и DataFrame»
- Что вернёт выражение `df[df["price"] > 100]`?
- В `DataFrame` `df` есть столбцы `country`, `user_id`, `revenue`. Что вернёт выражение `df.loc[df["country"] == "RU", ["user_id", "revenue"]]`?
- В `df` есть столбец `age`. Какие значения `age` попадут в результат `df[(df["age"] >= 18) & (df["age"] <= 25)]`?
- Что выберет фильтр `df[~df["status"].isin(["cancelled", "returned"])]`?
- Что верно про два шага: `mask = df["col"] > 0` и затем `df[mask]`?
- Все вопросы по «Pandas и DataFrame» →