Visiony10:
Mi primera pregunta en StackOverflow. Por favor se bueno conmigo :)
Hola, acabo de empezar un pequeño proyecto en la ciencia de datos y que quería crear en última instancia, un gráfico circular a través de matplot que muestra el porcentaje del modelo de dispositivo en el tráfico general del sitio (es decir, 30% iPhone, el 20% del iPad, el 10% de Mac, etc.) .
useragent count
iPhone 11298
Mac 3206
iPad 627
SM-N960F 433
SM-N950F 430
... ...
K330 1
K220 1
SM-J737P 1
SM-J737T1 1
0PFJ50 1
[1991 rows x 2 columns]
A partir de la pantalla, hay 1.991 registros. Estoy preparando los datos para el trazado y quiero sólo para mostrar los 5 AgentesDeUsuario (superior 4 siendo los dispositivos y los 5 primeros sean catalogados como los demás y la suma de los elementos restantes).
El resultado esperado es la siguiente:
useragent count
iPhone 11298
Mac 3206
iPad 627
SM-N960F 433
Others 9000
Muchas gracias!
Jezreel:
Utilizar:
#first sorting data if necessary
df1 = df.sort_values('count', ascending=False)
#then get top 4 rows
df2 = df1.head(4)
#filter column `count` for all values after 4 rows
summed = df1.loc[df1.index[4:], 'count'].sum()
#create DataFrame by another counts
df3 = pd.DataFrame({'useragent':['Other'], 'count':[summed]})
#join together
df4 = pd.concat([df2, df3], sort=False, ignore_index=True)
print (df4)
useragent count
0 iPhone 11298
1 Mac 3206
2 iPad 627
3 SM-N960F 433
4 Other 435
EDITAR:
#filter by threshold
mask = df['count'] > 500
#filtered rows by boolean indexing
df2 = df[mask]
#inverted mask - sum by count
summed = df.loc[~mask, 'count'].sum()
#same like above
df3 = pd.DataFrame({'useragent':['Other'], 'count':[summed]})
df5 = pd.concat([df2, df3], sort=False, ignore_index=True)
print (df5)
useragent count
0 iPhone 11298
1 Mac 3206
2 iPad 627
3 Other 868