此系列文章收錄在公眾號中：數據大宇宙 > 數據處理 >E-pd

轉發本文并私信我"python"，即可獲得Python資料以及更多系列文章(持續更新的)

經常聽別人說 Python 在數據領域有多厲害，結果學了很長時間，連數據處理都麻煩得要死。后來才發現，原來不是 Python 數據處理厲害，而是他有數據分析神器—— pandas

前言

上一節我們重點介紹了針對文本條件的統計方式，這次來把數值相關的講解一下，并且用一個 Excel 操作思維帶你理解 pandas 的運算邏輯。

繼續使用泰坦尼克號沉船事件的乘客名單作為例子：

• pclass：船艙等級
• survived：是否生還
• fare：票價
• sex：性別
• home.dest：住址

如果你看過上一節文章，想必應該理解到，在 pandas 中，不管是數值或是文本的條件統計，本質都是構造條件 bool 列，之后的處理是一樣的。

廢話少說，直接看各種復雜需求！

---

案例1：簡單需求

"30歲以上的人數"

先看看 Excel 函數公式的做法：

• 簡單使用 countifs 即可
• 注意，第二個參數使用文本(雙引號包圍)，主要是因為需要使用 大于號。這使得函數公式的語義更好

pandas 中數值條件也很非常容易表達：

• 行1：df.age >30 構造出"年齡大于30"的 bool 列

---

與 Excel之間的關系

你會發現，其實 pandas 中的運算操作，與 Excel 函數公式的運算是非常相似(數組公式更相似)，pandas 的操作就像你在第一行寫了一個處理邏輯公式，他就自動為你把邏輯公式復制一整列。

不知道我說啥？看看下面的 Excel 操作演示，來實現"30歲以上的人數":

代碼 df.age >30 相當于如下操作：

• pandas 代碼， df.age >30 ，構造出條件 bool 列，過程如上
• 在數據旁邊新增一列，直接執行 C2 單元格是否大于30，結果是一個 bool 值
• 由于 pandas 代碼是直接指定 年齡 列是否大于30，因此相當于自動把 E2 單元格的公式復制下去

此時，代碼 df[cond] ，相當于如下操作：

• df[cond] 相當于 df[df.age > 30]
• 相當于在輔助列上做篩選，把 true 值的行篩選出來！
• 所以你會發現，如果只是執行 df[cond] ，得到的是那些年齡大于30的行

---

如果你熟悉 Excel 的功能，你可能會說："這不就是智能表格？！"

是的，智能表格更能體現，如下：

• 創建表格

• 在表格旁邊輸入公式
• 注意此時公式中的引用不是單元格地址，而是直接以列名顯示
• 這個地方與 pandas 非常相似，這是因為他們都是在表達，你在操作一個有結構的表格

當你按下回車，公式自動填充：

---

其他各種需求

當你理解了上面的思路，那么只要你熟悉 pandas 各種構造 bool 列的技巧，各種需求基本難不倒你。

"30歲以上 男女的人數"：

一個個寫，太麻煩了，直接條件篩選，分組統計：

---

"男女高于各自性別的平均年齡的人數"

• 有沒有發現男性的人數與之前需求的人數很接近？因為剛好男性的平均年齡在30歲左右

當然，還是可以直接分組統計的：

---

"男女各自年齡最小的人的資料"：

• 他們都在 S 港口上船，同是三等艙
• 女生獲救了，男生遇難了

"男女各自年齡最大的人的資料"：

• 他們都是在 S 港口上船，同是一等艙
• 他們都獲救了
• 一等艙可能更靠近甲板，逃生更容易

---

最后來一個復雜一點的需求。

"看看各個年齡段，男女的生還情況"：

• 簡單讓 pandas 按數據中的年齡，平均劃分成4段
• 大概可以看出，男性的生還率低于女性，特別是20到40歲這個年齡段
• 更多針對泰坦尼克號沉船事件數據的詳細分析，可以查看 公眾號中：數據大宇宙 > 數據分析 > 探索分析 系列文章

關于透視表和數據分段，請查看 pandas 專欄 [帶你玩轉Python數據處理—pandas] 相關文章

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的pandas 第一行_用Excel表格带你学习pandas最核心的处理操作，不再害怕条件统计的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。