“ما متوسط قيمة الطلب لدينا؟” يبدو رقمًا واحدًا، لكن order_items ليس فيه عمود لقيمة الطلب: الطلب الذي فيه أربعة منتجات له أربعة صفوف. تحتاج أولًا صفًا واحدًا لكل طلب، يُجمع فيه إيراد الطلب من بنوده. و"الإيراد لكل منتج" و"الطلبات لكل قناة" و"المبيعات لكل دولة" أسئلة لها الشكل نفسه. في جدول البيانات كنت ستبني جدولًا محوريًا؛ وفي pandas تستخدم التجميع (groupby)، الـ method التي ستستدعيها أكثر من أي method أخرى.
import pandas as pd\n\nitems = pd.read_csv(\"order_items.csv\")\nitems[\"revenue\"] = items[\"quantity\"] * items[\"unit_price\"] * (1 - items[\"discount\"])\n\nby_product = items.groupby(\"product_id\")[\"revenue\"].sum()\nprint(by_product.sort_values(ascending=False).head(3).round(2))\nprint(round(by_product.sum(), 2), round(items[\"revenue\"].sum(), 2))اقرأ السطر الأوسط كثلاث خطوات. قسّم الصفوف إلى مجموعات، واحدة لكل product_id. طبّق حسابًا، sum، على عمود revenue في كل مجموعة. ضُمّ النتائج في Series فهرسها مفتاح المجموعة. المنتج 21، Standing Desk، حقّق 60,017.83 دولارًا، أي نحو ضعف المنتج الذي يليه.
السطر الأخير عادة تستحق أن تنسخها: مجاميع المجموعات تساوي المجموع الكلي. إذا لم تتساوَ، فهناك صفوف ضاعت (مثل الصفوف التي مفتاحها NaN، والتي تُسقطها groupby افتراضيًا) أو تكرّرت قبل أن تجمّع.
رقم واحد لكل مجموعة نادرًا ما يكفي. تحسب agg مع الحسابات التجميعية المسمّاة (named aggregation) عدة أرقام، وتسمّي كل عمود ناتج:
import pandas as pd\n\nitems = pd.read_csv(\"order_items.csv\")\nitems[\"revenue\"] = items[\"quantity\"] * items[\"unit_price\"] * (1 - items[\"discount\"])\n\nper_order = items.groupby(\"order_id\").agg(\n revenue=(\"revenue\", \"sum\"),\n lines=(\"order_item_id\", \"count\"),\n units=(\"quantity\", \"sum\"),\n max_discount=(\"discount\", \"max\"),\n)\nprint(per_order.head().round(2))\nprint(per_order.shape, \"| average order value:\", round(per_order[\"revenue\"].mean(), 2))كل كلمة مفتاحية عمود ناتج، وكل قيمة زوج: (عمود المُدخل، الدالة). تُعطى الدوال بأسمائها كنصوص: "sum" و"mean" و"median" و"min" و"max" و"count" و"size" و"nunique" و"first" و"last" و"std". للنتيجة صف لكل طلب، 2,066 صفًا، ومتوسط قيمة الطلب (AOV) هو 228.43 دولارًا، عبر كل الحالات، والإلغاءات منها، حتى الآن.
سترى أيضًا الأسلوب الأقدم agg({"revenue": "sum", "discount": "max"})، أو agg(["sum", "mean"]) على عمود واحد. إنهما يعملان، لكنهما يعيدان استخدام أسماء المُدخلات، فينتهي جدول فيه إحصاءان للعمود نفسه بعناوين مربكة. أما الحسابات التجميعية المسمّاة فتقول بالضبط ما هو كل عمود.
طريقتان للعدّ، وتجيبان عن سؤالين مختلفين:
\nimport pandas as pd\n\norders = pd.read_csv(\"orders.csv\")\nprint(orders.groupby(\"channel\").size()) # rows per group\nprint(orders.groupby(\"channel\")[\"coupon_code\"].count()) # non-missing coupons per groupتعدّ size() الصفوف: 1,146 طلب ويب. وتعدّ count() القيم غير المفقودة في عمود: 208 من طلبات الويب تلك فيها كود كوبون. استخدم size (أو count على عمود لا يُفقد أبدًا، مثل المعرّف) لسؤال “كم عددها”، وcount لسؤال “كم منها له قيمة”.
جمّع بقائمة أعمدة لتقاطع بُعدين. للنتيجة فهرس من مستويين (MultiIndex)، وتنشر unstack() المستوى الداخلي إلى أعمدة، فيُقرأ كجدول محوري:
import pandas as pd\n\norders = pd.read_csv(\"orders.csv\")\nby_channel_status = orders.groupby([\"channel\", \"status\"]).size()\nprint(by_channel_status.head(4))\nprint(by_channel_status.unstack())\n\nflat = orders.groupby(\"channel\", as_index=False).agg(\n orders=(\"order_id\", \"count\"),\n avg_fee=(\"shipping_fee\", \"mean\"),\n)\nprint(flat.round(2))تُبقي as_index=False مفاتيح المجموعات أعمدة عادية بدلًا من نقلها إلى الفهرس، وهذا مفيد حين تغذّي النتيجة عملية دمج أو رسمًا بيانيًا أو تصدير CSV. وتفعل reset_index() الشيء نفسه لاحقًا على نتيجة مفهرسة.
أحيانًا تريد رقم المجموعة بجانب كل صف بدلًا من صف لكل مجموعة. سؤال “ما الحصة التي يمثّلها كل بند من طلبه؟” يحتاج أن يعرف كل بند مجموع طلبه. تجري transform حساب المجموعة نفسه، لكنها تعيد نتيجة محاذية للصفوف الأصلية:
import pandas as pd\n\nitems = pd.read_csv(\"order_items.csv\")\nitems[\"revenue\"] = items[\"quantity\"] * items[\"unit_price\"] * (1 - items[\"discount\"])\nitems[\"order_revenue\"] = items.groupby(\"order_id\")[\"revenue\"].transform(\"sum\")\nitems[\"share_of_order\"] = items[\"revenue\"] / items[\"order_revenue\"]\nprint(items[[\"order_id\", \"revenue\", \"order_revenue\", \"share_of_order\"]].head(5).round(3))للطلب 1001 أربعة بنود، وبند Burr Coffee Grinder يحمل 62% من قيمته. القاعدة العملية: agg حين تريد جدول ملخّص، وtransform حين تريد عمودًا جديدًا في الجدول التفصيلي.
يبني التمرين جدول “صف لكل طلب” الذي ستستخدمه من الآن فصاعدًا. وفي الدرس التالي تدمجه مع orders وcustomers، لأن الأسئلة المهمة، مثل “الإيراد بحسب الدولة، دون الإلغاءات”، تحتاج أعمدة من أكثر من جدول.
groupby) الصفوف إلى مجموعات بحسب مفتاح، ويطبّق حسابًا على كل مجموعة، ويضمّ النتائج في جدول واحد.","الحسابات التجميعية المسمّاة، agg(revenue=("revenue", "sum"), lines=("order_item_id", "count"))، تمنح كل عمود ناتج اسمًا واضحًا.","size() تعدّ الصفوف في كل مجموعة؛ وcount() تعدّ القيم غير المفقودة في عمود، فيختلفان حين يكون في العمود فجوات.","التجميع بعدة مفاتيح يعطيك MultiIndex؛ وas_index=False أو reset_index() تعيدان المفاتيح أعمدة عادية.","تحقّق من أن نتائج المجموعات تعود فتساوي المجموع الكلي، كي تعرف أنه لم يضِع صف ولم يُحسب مرتين."],"further":[{"title":"Group by: split-apply-combine","url":"https://pandas.pydata.org/docs/user_guide/groupby.html"},{"title":"pandas.core.groupby.DataFrameGroupBy.agg","url":"https://pandas.pydata.org/docs/reference/api/pandas.core.groupby.DataFrameGroupBy.agg.html"}],"quiz":[{"q":"تعطي orders.groupby("channel")["coupon_code"].count() القيمة 208 للويب، لكن orders.groupby("channel").size() تعطي 1,146. لماذا؟
count() تعدّ أكواد الكوبونات غير المفقودة فقط، بينما تعدّ size() كل صف في المجموعة.","why":"صحيح. 208 طلبات ويب استخدمت كوبونًا؛ و1,146 طلب ويب موجود. استخدم size() لعدّ الصفوف وcount() لعدّ القيم الموجودة."},{"text":"count() تعدّ أكواد الكوبونات المختلفة.","why":"القيم المختلفة تعدّها nunique(). أما count() فتعدّ كل قيمة غير مفقودة، والمكرّرة منها."},{"text":"size() تحسب الطلبات التي فيها عدة عناصر مرتين.","why":"في orders صف واحد لكل طلب، فلا يوجد ما يُحسب مرتين."}],"answer":1},{"q":"أيّ استدعاء يعيد صفًا لكل طلب بعمودين اسمهما revenue وlines؟
items.groupby("order_id").agg(revenue=("revenue", "sum"), lines=("order_item_id", "count"))","why":"صحيح. كل كلمة مفتاحية تصبح عمودًا ناتجًا، معرَّفًا بزوج (عمود، دالة)."},{"text":"items.groupby("order_id")["revenue", "order_item_id"].sum()","why":"اختيار عدة أعمدة يحتاج قائمة (أقواس مزدوجة)، وحتى عندها تحصل على مجموعين بالأسماء الأصلية، لا على عدد."},{"text":"items.agg(revenue=("revenue", "sum"), lines=("order_item_id", "count"))","why":"بدون groupby يجمّع هذا الجدول كله في مجاميع مفردة، لا صفًا لكل طلب."}],"answer":0},{"q":"جمّعت items بحسب الطلب وجمعت الإيراد، ثم جمعت تلك النتيجة. المجموع الكلي أعلى بنسبة 3% من items["revenue"].sum(). ما التفسير الأرجح؟
باستخدام items (مع إضافة عمود الإيراد مسبقًا)، ابنِ per_order: صف لكل order_id بالأعمدة revenue (المجموع) وlines (عدد بنود الطلب) وunits (مجموع quantity). ثم اجعل avg_order_value متوسط إيراد الطلب مقرّبًا إلى منزلتين عشريتين، وmulti_line_share حصة الطلبات التي فيها بندان أو أكثر مقرّبة إلى 3 منازل عشرية، وtop_product قيمة product_id صاحب أعلى إيراد إجمالي.
items.groupby("order_id").agg(revenue=("revenue", "sum"), ...) مع كلمة مفتاحية لكل عمود ناتج.","عُدّ البنود بـ ("order_item_id", "count") أو ("order_id", "size"). والحصة هي متوسط قيمة منطقية: (per_order["lines"] >= 2).mean().","items.groupby("product_id")["revenue"].sum().idxmax() تعيد تسمية أكبر مجموعة."],"explanation":"تحوّل الحسابات التجميعية المسمّاة 3,991 بندًا إلى 2,066 طلبًا في استدعاء واحد، بأسماء أعمدة مقروءة. وتؤكّد الفحوص أن الأجزاء تساوي الكل: عمود lines يعود مجموعه إلى 3,991، والوحدات إلى إجمالي الكمية، فلم يضِع بند ولم يُحسب مرتين. متوسط قيمة الطلب (AOV) هو 228.43 دولارًا، و55.1% من الطلبات تحتوي أكثر من منتج، وهذه حقيقة مفيدة حين يقترح أحدهم عرضًا ترويجيًا على المنتجات المفردة. المنتج 21، Standing Desk 140cm، هو الأعلى إيرادًا. وستُقبل as_index=False أيضًا: عندها يكون order_id عمودًا بدلًا من الفهرس.
per_order 2,066 صفًا والأعمدة revenue و lines و units","order-1001":"إيراد الطلب 1001 يساوي 438.90","lines-units":"البنود والوحدات تعود فتساوي مجاميع جدول البنود","aov":"avg_order_value يساوي 228.43","multi":"multi_line_share يساوي 0.551","top":"top_product يساوي 21"}},"words":599,"readMinutes":4}