一文看懂怎么用Python做数据分析

Excel 数据目次下提供了“筛选”成果，用于对数据表按差异的前提举办筛选。Python 中行使 loc 函数共同筛选前提来完成筛选成果。共同 sum 和 count 函数还能实现 excel 中 sumif 和 countif 函数的成果。

行使“与”前提举办筛选，前提是年数大于 25 岁，而且都市为 beijing。筛选后只有一条数据切合要求。

#行使“与”前提举办筛选 
df_inner.loc[(df_inner['age'] > 25) & (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']] 

行使“或”前提举办筛选，年数大于 25 岁或都市为 beijing。筛选后有 6 条数据切合要求。

#行使“或”前提筛选 
df_inner.loc[(df_inner['age'] > 25) | (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']].sort 
(['age']) 

在前面的代码后增进 price 字段以及 sum 函数，按筛选后的功效将 price 字段值举办求和，相等于 excel 中 sumifs 的成果。

#对筛选后的数据按price字段举办求和 
df_inner.loc[(df_inner['age'] > 25) | (df_inner['city'] == 'beijing'), 
['id','city','age','category','gender','price']].sort(['age']).price.sum() 
  
19796  

行使“非”前提举办筛选，都市不便是 beijing。切合前提的数据有 4 条。将筛选功效按 id 罗列办排序。

#行使“非”前提举办筛选 
df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].sort(['id']) 

在前面的代码后头增进 city 列，并行使 count 函数举办计数。相等于 excel 中的 countifs 函数的成果。

#对筛选后的数据按city罗列办计数 
df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].sort(['id']).city.count() 
4 

尚有一种筛选的方法是用 query 函数。下面是详细的代码和筛选功效。

#行使query函数举办筛选 
df_inner.query('city == ["beijing", "shanghai"]') 

在前面的代码后增进 price 字段和 sum 函数。对筛选后的 price 字段举办求和，相等于 excel 中的 sumifs 函数的成果。

#对筛选后的功效按price举办求和 
df_inner.query('city == ["beijing", "shanghai"]').price.sum() 
12230 

这是第三篇，先容第 7-9 部门的内容，数据汇总，数据统计，和数据输出。

07 数据汇总

第七部门是对数据举办分类汇总，Excel 中行使分类汇总和数据透视可以按特定维度对数据举办汇总，python 中行使的首要函数是 groupby 和 pivot_table。下面别离先容这两个函数的行使要领。

分类汇总

Excel 的数据目次下提供了“分类汇总”成果，可以按指定的字段和汇总方法对数据表举办汇总。Python 中通过 Groupby 函数完成响应的操纵，并可以支持多级分类汇总。

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!