计算 pandas 列中的特定实例 - Python

如果你在处理数据分析项目中使用了 Pandas，那么有时需要计算某一列中的特定实例。本文将介绍如何使用 Pandas 计算由 Python 列表、NumPy 数组、字典和 Pandas Series 组成的列的特定实例。

计算一列中满足条件的实例

使用 Pandas 可以方便地计算一列中满足条件的实例。下面的代码演示如何计算年龄列中大于 30 岁的个数：

import pandas as pd 
data = {'name': ['Alice', 'Bob', 'Charlie', 'David'], 'age': [25, 35, 22, 45]} 
df = pd.DataFrame(data) 

# 计算年龄列中大于 30 岁的个数 
count = len(df[df['age'] > 30]) 
print('年龄大于 30 岁的个数：', count) 

输出结果为：年龄大于 30 岁的个数： 2

计算一列中不同值的出现次数

使用 Pandas 可以方便地计算一列中不同值的出现次数。下面的代码示例展示了如何计算 State 列中不同值的出现次数。

import pandas as pd 
data = {'name': ['Alice', 'Bob', 'Charlie', 'David'], 'state': ['NY', 'CA', 'NY', 'NY']} 
df = pd.DataFrame(data) 

# 计算 State 列中不同值的出现次数 
value_counts = df['state'].value_counts() 
print('State 列中不同值的出现次数:\n', value_counts) 

输出结果为：

State 列中不同值的出现次数:
 NY    3
CA    1
Name: state, dtype: int64

计算一列中某个值出现的次数

使用 Pandas 可以方便地计算一列中某个值出现的次数。下面的代码演示如何计算 State 列中出现 "NY" 的次数：

import pandas as pd 
data = {'name': ['Alice', 'Bob', 'Charlie', 'David'], 'state': ['NY', 'CA', 'NY', 'NY']} 
df = pd.DataFrame(data) 

# 计算 State 列中出现 "NY" 的次数 
count = len(df[df['state'] == 'NY']) 
print('State 列中出现 "NY" 的次数：', count) 

输出结果为：State 列中出现 "NY" 的次数： 3

计算一列中特定值的和

使用 Pandas 可以方便地计算一列中特定值的和。下面的代码显示了如何计算 salary 列中值为 10000 的总和：

import pandas as pd 
data = {'name': ['Alice', 'Bob', 'Charlie', 'David'], 'salary': [10000, 20000, 10000, 30000]} 
df = pd.DataFrame(data) 

# 计算 salary 列中值为 10000 的总和 
sum = df[df['salary'] == 10000]['salary'].sum() 
print('salary 列中值为 10000 的总和：', sum) 

输出结果为：salary 列中值为 10000 的总和： 20000

计算一个数据框中特定值的和

使用 Pandas 可以方便地计算一个数据框中特定值的和。下面的代码演示了如何计算 salary 和 bonus 列的总和：

import pandas as pd 
data = {'name': ['Alice', 'Bob', 'Charlie', 'David'], 'salary': [10000, 20000, 10000, 30000], 'bonus': [5000, 4000, 2000, 10000]} 
df = pd.DataFrame(data) 

# 计算 salary 和 bonus 列的总和 
sum = df['salary'].sum() + df['bonus'].sum() 
print('salary 和 bonus 列的总和：', sum) 

输出结果为：salary 和 bonus 列的总和： 92000

以上就是计算 Pandas 列中的特定实例的方法。除此之外，Pandas 还支持更多的计算方式和函数。可以查阅 Pandas 文档以获取更详细的信息。