Python也能做到Excel那样,条件统计轻松解决工作需

 新闻资讯     |      2020-01-16 10:51

Python也能做到Excel那样,条件统计轻松解决工作需求

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

Excel 中除了 Vlookup 函数,一系列条件统计函数(sumif、countif、maxif)就用得最多,毕竟在 Excel 中进行数据统计是常见需求。

今天我们来看看在 pandas 中如何做到条件统计。

本文使用泰坦尼克号沉船事件的乘客名单作为例子:

Python也能做到Excel那样,条件统计轻松解决工作需求

  • pclass:船舱等级
  • survived:是否生还
  • fare:票价
  • sex:性别
  • home.dest:住址

"男女分别有多少人?"

这需要我们在 Excel 中有很多方式完成,比如透视表或函数公式,下面简单列出函数公式的做法:

  • 简单使用 countifs 即可

这里不再单独使用 countif 了,管他是否只有一个条件,统一用 xxxifs 类函数即可


在 pandas ,不会有啥条件统计函数的,因为这就是先筛选,再统计:

  • 行2:得到 性别 列是女性的 bool 列
  • 行3:df[cond]就是女性的记录,简单通过 len 方法,即可得到记录数(人数)

不过你可能会觉得这很麻烦,因为如果还要男性的人数,也需要执行一次差不多的代码。

实际上我们可以直接对 性别 列分组统计即可:

Python也能做到Excel那样,条件统计轻松解决工作需求

  • 不多说了,代码语义简直与中文一样
  • 这里唯一不好的地方是,需要通过 size 方法获得每个分组的记录数

Python也能做到Excel那样,条件统计轻松解决工作需求

刚刚是求人数,现在希望求出女性的平均票价。

以下是 Excel 的公式做法:

Python也能做到Excel那样,条件统计轻松解决工作需求


那么 pandas 的做法呢?

想必聪明的你一定大概知道怎么做,pandas 中求平均的是方法 mean:

Python也能做到Excel那样,条件统计轻松解决工作需求

  • 行3:同样语义非常清晰。.fare.mean() 恰好反映"票价的平均"

同样,简单分组即可一次获得所有分组的统计信息:

Python也能做到Excel那样,条件统计轻松解决工作需求

  • 按 sex 分组,求 票价 的 平均

上面的条件都是完全符合,有时候我们需要统计有包含关系的条件。

"住址是New York 的人数"

Excel 的 xxifs 类函数公式都能支持通配符:

Python也能做到Excel那样,条件统计轻松解决工作需求

  • 前后用 * 包围内容,表示包含此内容即符合条件

在 pandas 中,由于筛选与统计是独立分开的,因此只需要知道怎么筛选,那么此需求即可迎刃而解:

Python也能做到Excel那样,条件统计轻松解决工作需求

  • 行2:由于 住址 列是字符串类列,使用 .str 可访问字符串类型列的各种方法
  • contains 判断列中是否包含指定内容。如果本身内容是 nan(不存在值) ,那么直接赋值为 False

如果我们只需要 住址 结尾是 NY 的人数?

Excel 中由于用通配符,因此表达更直接:

Python也能做到Excel那样,条件统计轻松解决工作需求

  • 注意,没有修改公式,只是输入内容变成 *NY ,表示 NY 前面可以是任意内容

在 pandas 这麻烦多了,这次不能使用 contains 方法:

Python也能做到Excel那样,条件统计轻松解决工作需求

  • 行2:使用 endswith 方法即可完成

怎么与 Excel 的统计结果不一样!!

你会发现,Excel 的统计结果包含小写字母的 ny 结尾!


Python也能做到Excel那样,条件统计轻松解决工作需求

以上 pandas 的做法主要有以下问题:

  • 不能用通配符表达不同的文本规则,只能用不同的方法,我记不住这么多方法呀
  • 不能忽略大小写(实际上面的需求,pandas 的结果更合理)

其实 .str.contains 方法本身就是使用正则表达式,我们可以直接用 contains 解决所有文本规则相关问题:

Python也能做到Excel那样,条件统计轻松解决工作需求

  • 行2: NY$ ,表示 NY 在结尾处
  • 参数 case = False ,不区分大小写

pandas 用于文本匹配的还有 match 方法,此系列文章不再深入讲解了。更多高级应用方法,请关注 pandas 专栏[带你玩转Python数据处理—pandas]



本文重点:

  • 构造 bool 列,是核心知识点
  • Series.str.contains 用于文本规则条件匹配

需要源码的小伙伴请转发本文并私信我"python"

如果希望从零开始学习 pandas ,那么可以看看我的 pandas 专栏。


2018福利宅男电影网 91国在线产品视频在线