Natuurlijk! Hier zijn enkele voorbeelden van hoe je je DataFrame kunt groeperen op 'Regio' en verschillende aggregaties kunt uitvoeren, inclusief het toepassen van meerdere functies en het hernoemen van kolommen. Laten we ervan uitgaan dat je DataFrame bijvoorbeeld zo heet: `df`. 1. **Groeperen en één aggregatiefunctie toepassen:** ```python import pandas as pd # Voorbeeld DataFrame # df = pd.DataFrame({ # 'Regio': ['Noord', 'Zuid', 'Noord', 'Zuid'], # 'Product': ['A', 'A', 'B', 'B'], # 'Verkoop': [100, 150, 200, 250], # 'Aantal': [10, 15, 20, 25] # }) # Groeperen op 'Regio' en de som van 'Verkoop' en 'Aantal' result = df.groupby('Regio')[['Verkoop', 'Aantal']].sum() print(result) ``` 2. **Meerdere aggregatiefuncties toepassen op verschillende kolommen:** ```python # Toepassen van meerdere functies: som en gemiddelde result = df.groupby('Regio').agg({ 'Verkoop': ['sum', 'mean'], 'Aantal': ['sum', 'mean'] }) print(result) ``` 3. **De kolomnamen aanpassen na aggregatie:** Na gebruik van `.agg()` krijgen de kolommen vaak meerdere niveaus in de kolomnabel. Je kunt deze hernoemen zoals volgt: ```python # Hernoemen van de kolommen result.columns = ['Verkoop_Totaal', 'Verkoop_Gemiddeld', 'Aantal_Totaal', 'Aantal_Gemiddeld'] print(result) ``` 4. **Aangepaste aggregaties met lambda-functies:** Je kunt ook eigen functies gebruiken: ```python # Bijvoorbeeld het berekenen van de spreiding (range) van 'Verkoop' result = df.groupby('Regio').agg({ 'Verkoop': lambda x: x.max() - x.min(), 'Aantal': 'mean' }) result = result.rename(columns={'Verkoop': 'Verkoop_Spreiding', 'Aantal': 'Gemiddeld_Aantal'}) print(result) ``` 5. **Groeperen op meerdere kolommen:** ```python # Groeperen op zowel 'Regio' als 'Product' result = df.groupby(['Regio', 'Product'])[['Verkoop', 'Aantal']].sum() print(result) ``` **Samenvatting:** - Gebruik `.groupby()` om te groeperen. - Gebruik `.agg()` om meerdere aggregaties tegelijk uit te voeren. - Pas de kolomnamen aan door `result.columns` te hernoemen. - Voor complexe functies gebruik je lambda's binnen `.agg()`. Heeft je DataFrame specifieke details of wensen? Dan kan ik een gerichter voorbeeld geven!

Zeker, hier is een duidelijke uitleg met codevoorbeelden in het Nederlands: ## Basis groepering en aggregatie ```python import pandas as pd # Stel dat je DataFrame 'df' heet # Groepeer op Regio en bereken som van Verkoop resultaat = df.groupby('Regio')['Verkoop'].sum().reset_index() print(resultaat) ``` ## Meerdere aggregatiefuncties op één kolom ```python # Meerdere statistieken voor Verkoop per regio resultaat = df.groupby('Regio')['Verkoop'].agg(['sum', 'mean', 'count', 'std']).reset_index() print(resultaat) ``` ## Verschillende aggregaties per kolom ```python # Verschillende functies voor verschillende kolommen resultaat = df.groupby('Regio').agg({ 'Verkoop': ['sum', 'mean'], # Som en gemiddelde van Verkoop 'Aantal': 'sum', # Som van Aantal 'Product': 'nunique' # Aantal unieke producten }).reset_index() print(resultaat) ``` ## Kolomnamen hernoemen na aggregatie ```python # Aggregatie met hernoemde kolommen resultaat = df.groupby('Regio').agg( totale_verkoop=('Verkoop', 'sum'), gem_verkoop=('Verkoop', 'mean'), totaal_aantal=('Aantal', 'sum'), unieke_producten=('Product', 'nunique') ).reset_index() print(resultaat) ``` ## Aangepaste aggregatiefunctie ```python # Zelfgedefinieerde functie def verkoop_ratio(group): return group['Verkoop'].sum() / group['Aantal'].sum() resultaat = df.groupby('Regio').agg( totale_verkoop=('Verkoop', 'sum'), verkoop_per_stuk=('Verkoop', verkoop_ratio), aantal_transacties=('Verkoop', 'count') ).reset_index() print(resultaat) ``` ## Meerdere groeperingsniveaus ```python # Groepeer op zowel Regio als Product resultaat = df.groupby(['Regio', 'Product']).agg({ 'Verkoop': ['sum', 'mean'], 'Aantal': 'sum' }).reset_index() print(resultaat) ``` ## Uitleg van de methodes: - **`groupby('Regio')`**: Groepeert de data op de Regio-kolom - **`agg()`**: Voert aggregatiefuncties uit (sum, mean, count, etc.) - **`reset_index()`**: Zet de groeperingskolom terug naar een normale kolom - **Veelgebruikte functies**: `sum`, `mean`, `count`, `nunique`, `std`, `min`, `max` ## Tips: - Gebruik `round(2)` om decimalen af te ronden: `resultaat.round(2)` - Sla resultaten op: `resultaat.to_csv('verkoop_analyse.csv', index=False)` - Bekijk data types: `resultaat.info()` Deze codevoorbeelden helpen je om uitgebreide analyses te maken op je verkoopdata!