此系列文章收录在公众号中：数据大宇宙 > 数据处理 >E-pd
经常听别人说 Python 在数据领域有多厉害，结果学了很长时间，连数据处理都麻烦得要死。后来才发现，原来不是 Python 数据处理厉害，而是他有数据分析神器—— pandas
前言
上一节我们重点介绍了针对文本条件的统计方式，这次来把数值相关的讲解一下，并且用一个 Excel 操作思维带你理解 pandas 的运算逻辑。
继续使用泰坦尼克号沉船事件的乘客名单作为例子：
pclass：船舱等级
survived：是否生还
fare：票价
sex：性别
home.dest：住址
如果你看过上一节文章，想必应该理解到，在 pandas 中，不管是数值或是文本的条件统计，本质都是构造条件 bool 列，之后的处理是一样的。
废话少说，直接看各种复杂需求！
案例1：简单需求
“30岁以上的人数”
先看看 Excel 函数公式的做法：
简单使用 countifs 即可
注意，第二个参数使用文本(双引号包围)，主要是因为需要使用 大于号。这使得函数公式的语义更好
pandas 中数值条件也很非常容易表达：
- 行1：df.age >30 构造出”年龄大于30”的 bool 列
与 Excel之间的关系
你会发现，其实 pandas 中的运算操作，与 Excel 函数公式的运算是非常相似(数组公式更相似)，pandas 的操作就像你在第一行写了一个处理逻辑公式，他就自动为你把逻辑公式复制一整列。
不知道我说啥？看看下面的 Excel 操作演示，来实现”30岁以上的人数”:
代码 df.age >30 相当于如下操作：
pandas 代码， df.age >30 ，构造出条件 bool 列，过程如上
在数据旁边新增一列，直接执行 C2 单元格是否大于30，结果是一个 bool 值
由于 pandas 代码是直接指定 年龄 列是否大于30，因此相当于自动把 E2 单元格的公式复制下去
此时，代码 df[cond] ，相当于如下操作：
df[cond] 相当于 df[df.age > 30]
相当于在辅助列上做筛选，把 true 值的行筛选出来！
所以你会发现，如果只是执行 df[cond] ，得到的是那些年龄大于30的行
如果你熟悉 Excel 的功能，你可能会说：”这不就是智能表格？！”
是的，智能表格更能体现，如下：
- 创建表格
在表格旁边输入公式
注意此时公式中的引用不是单元格地址，而是直接以列名显示
这个地方与 pandas 非常相似，这是因为他们都是在表达，你在操作一个有结构的表格
当你按下回车，公式自动填充：
其他各种需求
当你理解了上面的思路，那么只要你熟悉 pandas 各种构造 bool 列的技巧，各种需求基本难不倒你。
“30岁以上 男女的人数”：
一个个写，太麻烦了，直接条件筛选，分组统计：
“男女高于各自性别的平均年龄的人数”
- 有没有发现男性的人数与之前需求的人数很接近？因为刚好男性的平均年龄在30岁左右
当然，还是可以直接分组统计的：
“男女各自年龄最小的人的资料”：
他们都在 S 港口上船，同是三等舱
女生获救了，男生遇难了
“男女各自年龄最大的人的资料”：
他们都是在 S 港口上船，同是一等舱
他们都获救了
一等舱可能更靠近甲板，逃生更容易
最后来一个复杂一点的需求。
“看看各个年龄段，男女的生还情况”：
简单让 pandas 按数据中的年龄，平均划分成4段
大概可以看出，男性的生还率低于女性，特别是20到40岁这个年龄段
更多针对泰坦尼克号沉船事件数据的详细分析，可以查看 公众号中：数据大宇宙 > 数据分析 > 探索分析 系列文章
关于透视表和数据分段，请查看 pandas 专栏 [带你玩转Python数据处理—pandas] 相关文章
总结
本文重点：
pandas 中构造 bool 列的过程，与 Excel 操作智能表格非常相似
idxmin、idxmax 可以根据一列值的最小或最大值，获得对应的行索引值
需要源码的小伙伴，公众号发送”数据处理”
如果希望从零开始学习 pandas ，那么可以看看我的 pandas 专栏。
觉得写得不错，点击右下方”在看”
扫描二维码
获取更多精彩
数据大宇宙
若有收获，就点个赞吧
0 人点赞
