一文看懂怎么用Python做数据分析

Excel 数据目录下提供了“筛选”功能，用于对数据表按不同的条件进行筛选。Python 中使用 loc 函数配合筛选条件来完成筛选功能。配合 sum 和 count 函数还能实现 excel 中 sumif 和 countif 函数的功能。

使用“与”条件进行筛选，条件是年龄大于 25 岁，并且城市为 beijing。筛选后只有一条数据符合要求。

#使用“与”条件进行筛选 
df_inner.loc[(df_inner['age'] > 25) & (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']] 

使用“或”条件进行筛选，年龄大于 25 岁或城市为 beijing。筛选后有 6 条数据符合要求。

#使用“或”条件筛选 
df_inner.loc[(df_inner['age'] > 25) | (df_inner['city'] == 'beijing'), ['id','city','age','category','gender']].sort 
(['age']) 

在前面的代码后增加 price 字段以及 sum 函数，按筛选后的结果将 price 字段值进行求和，相当于 excel 中 sumifs 的功能。

#对筛选后的数据按price字段进行求和 
df_inner.loc[(df_inner['age'] > 25) | (df_inner['city'] == 'beijing'), 
['id','city','age','category','gender','price']].sort(['age']).price.sum() 
  
19796  

使用“非”条件进行筛选，城市不等于 beijing。符合条件的数据有 4 条。将筛选结果按 id 列进行排序。

#使用“非”条件进行筛选 
df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].sort(['id']) 

在前面的代码后面增加 city 列，并使用 count 函数进行计数。相当于 excel 中的 countifs 函数的功能。

#对筛选后的数据按city列进行计数 
df_inner.loc[(df_inner['city'] != 'beijing'), ['id','city','age','category','gender']].sort(['id']).city.count() 
4 

还有一种筛选的方式是用 query 函数。下面是具体的代码和筛选结果。

#使用query函数进行筛选 
df_inner.query('city == ["beijing", "shanghai"]') 

在前面的代码后增加 price 字段和 sum 函数。对筛选后的 price 字段进行求和，相当于 excel 中的 sumifs 函数的功能。

#对筛选后的结果按price进行求和 
df_inner.query('city == ["beijing", "shanghai"]').price.sum() 
12230 

这是第三篇，介绍第 7-9 部分的内容，数据汇总，数据统计，和数据输出。

07 数据汇总

第七部分是对数据进行分类汇总，Excel 中使用分类汇总和数据透视可以按特定维度对数据进行汇总，python 中使用的主要函数是 groupby 和 pivot_table。下面分别介绍这两个函数的使用方法。

分类汇总

Excel 的数据目录下提供了“分类汇总”功能，可以按指定的字段和汇总方式对数据表进行汇总。Python 中通过 Groupby 函数完成相应的操作，并可以支持多级分类汇总。

（编辑：晋中站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!