统计人数 python_懂Excel轻松入门Python数据分析包pandas(二十)：数值条件统计-CSDN博客

本文链接：https://blog.csdn.net/weixin_32389427/article/details/113490599

此系列文章收录在公众号中：数据大宇宙 > 数据处理 >E-pd

转发本文并私信我"python"，即可获得Python资料以及更多系列文章(持续更新的)

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：

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！

"30岁以上的人数"

先看看 Excel 函数公式的做法：

pandas 中数值条件也很非常容易表达：

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：

此时，代码 df[cond] ，相当于如下操作：

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：

当你按下回车，公式自动填充：

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"

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"：

"男女各自年龄最大的人的资料"：

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"：

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