GroupBy และ Sum ใน Pandas: สรุปข้อมูลตามกลุ่ม

แนวคิด

groupby().sum() ใช้จัดกลุ่มข้อมูลตามคอลัมน์ที่กำหนด แล้วคำนวณผลรวมของคอลัมน์ตัวเลขในแต่ละกลุ่ม เหมาะสำหรับการสรุปข้อมูล (aggregation)

ตัวอย่างโค้ด

import pandas as pd

df = pd.DataFrame({
    "Apple": [5, 2, 7, 0],
    "Banana": [4, 7, 5, 1],
    "Carrot": [9, 3, 5, 1]
})

print("Input DataFrame:\n", df)

# Group by คอลัมน์ Apple แล้ว sum คอลัมน์อื่นๆ
g_sum = df.groupby('Apple').sum()
print("\nGroup by Apple แล้ว sum:\n", g_sum)

ผลลัพธ์

Input DataFrame:
   Apple  Banana  Carrot
0      5       4       9
1      2       7       3
2      7       5       5
3      0       1       1

Group by Apple แล้ว sum:
      Banana  Carrot
Apple               
0          1       1
2          7       3
5          4       9
7          5       5

การประยุกต์ใช้เพิ่มเติม

# Group by หลายคอลัมน์
df.groupby(['col1', 'col2']).sum()

# ระบุคอลัมน์ที่จะ sum (exclude non-numeric)
df.groupby('category')['sales', 'quantity'].sum()

# ใช้ agg สำหรับหลายฟังก์ชันพร้อมกัน
df.groupby('category').agg(
    total_sales=('sales', 'sum'),
    avg_price=('price', 'mean'),
    count=('id', 'count')
)

# reset_index() เพื่อทำให้กลายเป็นคอลัมน์ปกติ
df.groupby('category').sum().reset_index()

หมายเหตุ

• groupby จะทำให้คอลัมน์ที่ group by กลายเป็น index (ใช้ as_index=False เพื่อป้องกัน)
• คอลัมน์ที่ไม่ใช่ตัวเลขจะถูกตัดออกโดยอัตโนมัติ (เว้นแต่จะระบุ numeric_only=False)
• รองรับฟังก์ชันสรุปข้อมูลอื่นๆ: mean(), min(), max(), std(), median() ฯลฯ