python数据分析之数据的查询【高级篇】

一、数据的分组和聚合运算

1.聚合函数（按照性别字段来分组）

（1）第一种方法

# coding:utf-8
"""
@Function:数据的分组和聚合
@Author  ：王育红
@Date    ：2020/8/28
"""
import pandas as pd

data = {
   'Id': ['000001', '000002', '000003', '000004', '000005', '000006', '000007'],
        'name': ['袁晓莉', '孙菁', '王育红', '马天宇', '易烊千玺', '杨颖', '郑凯'],
        'gender': [False, False, False, True, True, False, True],
        'age': [18, 21, 20, 18, 19, 17, 26],
        'height': [1.80, 1.67, 1.83, 1.80, 1.78, 1.66, 1.86]
        }
frame = pd.DataFrame(data)


# 聚合函数（一）按照性别字段来分组
groups = frame.groupby(frame['gender'])
print(groups['gender'].count())

• 查看运行结果：
  

（2）第二种方法

[[‘gender’]]列表参数

groups = frame[['gender']].groupby(frame['gender'])
print(groups.count().rename(columns={
   'gender':'genderCount'}))

• 查看运行结果
  

2.按照年龄计算人数

# 按照年龄分人数
groups = frame[['age']].groupby(frame['age'])
print(groups.count().rename(columns={
   'age':'相同年龄的人数'}))

• 查看运行结果：
  

3.多个列来分组

# 按照年龄和性别来分组，统计各个数量
print(frame[['Id']].groupby([frame['gender'],frame['age']]).count().
      sort_values(by=['gender','age'],ascending=[False,True]))

• 查看运行结果：
  

4.平均值mean()函数

 # 平均值mean()函数
print(frame[['height']].groupby([frame['gender'],frame[