7 Pandas-替换，映射，分组，透视表 

import numpy as np
import pandas as pd
from pandas import DataFrame

替换操作

  • 替换操作可以同步作用于Series和DataFrame中

  • 单值替换

    • 普通替换： 替换所有符合要求的元素:to_replace=15,value='e'
    • 按列指定单值替换： to_replace={列标签：替换值} value='value'

  • 多值替换

    • 列表替换: to_replace=[] value=[]
    • 字典替换（推荐） to_replace=
df = DataFrame(data=np.random.randint(0,100,size=(5,6)))
df
0 1 2 3 4 5
0 65 85 66 36 72 2
1 85 51 15 67 57 56
2 1 48 9 39 88 52
3 48 34 89 50 5 63
4 17 75 5 72 44 53 
df.replace(to_replace=2,value='Two')
0 1 2 3 4 5
0 65 85 66 36 72 Two
1 85 51 15 67 57 56
2 1 48 9 39 88 52
3 48 34 89 50 5 63
4 17 75 5 72 44 53 
df.replace(to_replace={1:'one'})
0 1 2 3 4 5
0 65 85 66 36 72 2
1 85 51 15 67 57 56
2 one 48 9 39 88 52
3 48 34 89 50 5 63
4 17 75 5 72 44 53 
df.replace(to_replace={4:5},value='five')
#将指定列的元素进行替换to_replase={列索引：被替换的值}
0 1 2 3 4 5
0 65 85 66 36 72 2
1 85 51 15 67 57 56
2 1 48 9 39 88 52
3 48 34 89 50 five 63
4 17 75 5 72 44 53

映射操作

  • 概念：创建一个映射关系列表，把values元素和一个特定的标签或者字符串绑定（给一个元素值提供不同的表现形式）

  • 创建一个df，两列分别是姓名和薪资，然后给其名字起对应的英文名

dic = {
    'name':['张三','李四','张三'],
    'salary':[15000,20000,15000]
}
df = DataFrame(data=dic)
df
name salary
0 张三 15000
1 李四 20000
2 张三 15000 
#映射关系表
dic = {
    '张三':'tom',
    '李四':'jack'
}
df['e_name'] = df['name'].map(dic)
df
name salary e_name
0 张三 15000 tom
1 李四 20000 jack
2 张三 15000 tom
  • map是Series的方法，只能被Series调用

运算工具

  • 超过3000部分的钱缴纳50%的税，计算每个人的税后薪资
#该函数是我们指定的一个运算法则
def after_sal(s):#计算s对应的税后薪资
    return s - (s-3000)*0.5
    
df['after_sal'] = df['salary'].map(after_sal)#可以将df['salary']这个Series中每一个元素（薪资）作为参数传递给s
df
name salary e_name after_sal
0 张三 15000 tom 9000.0
1 李四 20000 jack 11500.0
2 张三 15000 tom 9000.0

排序实现的随机抽样

  • take()
  • np.random.permutation()
df = DataFrame(data=np.random.randint(0,100,size=(100,3)),columns=['A','B','C'])
df
A B C
0 6 97 40
1 9 42 1
2 7 40 82
3 82 89 50
4 6 93 93
5 21 30 33
6 1 70 65
7 33 51 73
8 70 40 19
9 27 98 84
10 30 33 45
11 41 19 34
12 32 0 23
13 70 60 22
14 52 99 10
15 60 79 6
16 35 16 1
17 71 63 99
18 86 43 89
19 4 43 78
20 72 64 54
21 4 17 27
22 64 60 84
23 77 73 89
24 59 90 19
25 4 22 71
26 86 89 38
27 56 60 92
28 75 37 15
29 31 0 43
... ... ... ...
70 23 1 7
71 12 88 5
72 52 52 35
73 26 48 96
74 26 49 63
75 23 34 68
76 82 36 46
77 74 49 70
78 17 53 50
79 18 34 2
80 41 61 18
81 84 92 98
82 10 20 61
83 64 33 42
84 14 87 16
85 67 47 75
86 95 26 77
87 13 94 85
88 12 27 86
89 53 97 76
90 26 98 71
91 49 95 15
92 62 33 77
93 51 63 44
94 80 68 2
95 6 32 67
96 76 8 64
97 83 44 14
98 59 17 61
99 66 46 99

100 rows × 3 columns

#生成乱序的随机序列
np.random.permutation(10)

array([2, 1, 7, 3, 5, 0, 4, 9, 6, 8])

#将原始数据打乱
df.take([2,0,1],axis=1)
df.take(np.random.permutation(3),axis=1)
C A B
0 40 6 97
1 1 9 42
2 82 7 40
3 50 82 89
4 93 6 93
5 33 21 30
6 65 1 70
7 73 33 51
8 19 70 40
9 84 27 98
10 45 30 33
11 34 41 19
12 23 32 0
13 22 70 60
14 10 52 99
15 6 60 79
16 1 35 16
17 99 71 63
18 89 86 43
19 78 4 43
20 54 72 64
21 27 4 17
22 84 64 60
23 89 77 73
24 19 59 90
25 71 4 22
26 38 86 89
27 92 56 60
28 15 75 37
29 43 31 0
... ... ... ...
70 7 23 1
71 5 12 88
72 35 52 52
73 96 26 48
74 63 26 49
75 68 23 34
76 46 82 36
77 70 74 49
78 50 17 53
79 2 18 34
80 18 41 61
81 98 84 92
82 61 10 20
83 42 64 33
84 16 14 87
85 75 67 47
86 77 95 26
87 85 13 94
88 86 12 27
89 76 53 97
90 71 26 98
91 15 49 95
92 77 62 33
93 44 51 63
94 2 80 68
95 67 6 32
96 64 76 8
97 14 83 44
98 61 59 17
99 99 66 46

100 rows × 3 columns

df.take(np.random.permutation(3),axis=1).take(np.random.permutation(100),axis=0)[0:50]
A B C
51 38 90 95
87 13 94 85
76 82 36 46
92 62 33 77
64 51 55 6
2 7 40 82
67 74 59 49
40 77 57 55
18 86 43 89
37 86 84 62
36 30 0 60
65 23 28 99
21 4 17 27
35 58 35 53
25 4 22 71
62 41 28 66
29 31 0 43
58 21 56 99
20 72 64 54
60 11 95 36
52 12 7 49
95 6 32 67
4 6 93 93
66 51 45 97
71 12 88 5
94 80 68 2
80 41 61 18
69 19 85 22
31 58 4 89
23 77 73 89
12 32 0 23
57 63 50 55
0 6 97 40
27 56 60 92
90 26 98 71
48 13 51 43
63 73 71 47
55 78 6 7
22 64 60 84
59 23 58 2
3 82 89 50
72 52 52 35
1 9 42 1
99 66 46 99
7 33 51 73
47 32 10 5
89 53 97 76
45 17 30 44
70 23 1 7
10 30 33 45

数据的分类处理

  • 数据分类处理的核心：

    • groupby()函数
    • groups属性查看分组情况
df = DataFrame({'item':['Apple','Banana','Orange','Banana','Orange','Apple'],
                'price':[4,3,3,2.5,4,2],
               'color':['red','yellow','yellow','green','green','green'],
               'weight':[12,20,50,30,20,44]})
df
item price color weight
0 Apple 4.0 red 12
1 Banana 3.0 yellow 20
2 Orange 3.0 yellow 50
3 Banana 2.5 green 30
4 Orange 4.0 green 20
5 Apple 2.0 green 44 
#想要水果的种类进行分析
df.groupby(by='item')

<pandas.core.groupby.groupby.DataFrameGroupBy object at 0x1152f1908>

#查看详细的分组情况
df.groupby(by='item').groups

{'Apple': Int64Index([0, 5], dtype='int64'),
 'Banana': Int64Index([1, 3], dtype='int64'),
 'Orange': Int64Index([2, 4], dtype='int64')}
  • 分组聚合
#计算出每一种水果的平均价格
df.groupby(by='item')['price'].mean()

item
Apple     3.00
Banana    2.75
Orange    3.50
Name: price, dtype: float64

#计算每一种颜色对应水果的平均重量
df.groupby(by='color')['weight'].mean()

color
green     31.333333
red       12.000000
yellow    35.000000
Name: weight, dtype: float64

dic = df.groupby(by='color')['weight'].mean().to_dict()
#将计算出的平均重量汇总到源数据
df['mean_w'] = df['color'].map(dic)
df
item price color weight mean_w
0 Apple 4.0 red 12 12.000000
1 Banana 3.0 yellow 20 35.000000
2 Orange 3.0 yellow 50 35.000000
3 Banana 2.5 green 30 31.333333
4 Orange 4.0 green 20 31.333333
5 Apple 2.0 green 44 31.333333

高级数据聚合

  • 使用groupby分组后，也可以使用transform和apply提供自定义函数实现更多的运算
  • df.groupby('item')['price'].sum() <==> df.groupby('item')['price'].apply(sum)
  • transform和apply都会进行运算，在transform或者apply中传入函数即可
  • transform和apply也可以传入一个lambda表达式
def my_mean(s):
    m_sum = 0
    for i in s:
        m_sum += i
    return m_sum / len(s)

df.groupby(by='item')['price'].transform(my_mean)

0    3.00
1    2.75
2    3.50
3    2.75
4    3.50
5    3.00
Name: price, dtype: float64

df.groupby(by='item')['price'].apply(my_mean)

item
Apple     3.00
Banana    2.75
Orange    3.50
Name: price, dtype: float64

数据加载

  • 读取type-.txt文件数据
df = pd.read_csv('./data/type-.txt')
df
你好-我好-他也好
0 也许-大概-有可能
1 然而-未必-不见得 
df.shape

(2, 1)
  • 将文件中每一个词作为元素存放在DataFrame中
pd.read_csv('./data/type-.txt',header=None,sep='-')
0 1 2
0 你好 我好 他也好
1 也许 大概 有可能
2 然而 未必 不见得
  • 读取数据库中的数据
#连接数据库，获取连接对象
import sqlite3 as sqlite3
conn = sqlite3.connect('./data/weather_2012.sqlite')

#读取库表中的数据值
sql_df=pd.read_sql('select * from weather_2012',conn)
sql_df
index Date/Time Temp (C) Dew Point Temp (C) Rel Hum (%) Wind Spd (km/h) Visibility (km) Stn Press (kPa) Weather
0 0.0 2012-01-01 00:00:00 -1.8 -3.9 86.0 4.0 8.0 101.24 Fog
1 1.0 2012-01-01 01:00:00 -1.8 -3.7 87.0 4.0 8.0 101.24 Fog
2 2.0 2012-01-01 02:00:00 -1.8 -3.4 89.0 7.0 4.0 101.26 Freezing Drizzle,Fog
3 3.0 2012-01-01 03:00:00 -1.5 -3.2 88.0 6.0 4.0 101.27 Freezing Drizzle,Fog
4 4.0 2012-01-01 04:00:00 -1.5 -3.3 88.0 7.0 4.8 101.23 Fog
5 5.0 2012-01-01 05:00:00 -1.4 -3.3 87.0 9.0 6.4 101.27 Fog
6 6.0 2012-01-01 06:00:00 -1.5 -3.1 89.0 7.0 6.4 101.29 Fog
7 7.0 2012-01-01 07:00:00 -1.4 -3.6 85.0 7.0 8.0 101.26 Fog
8 8.0 2012-01-01 08:00:00 -1.4 -3.6 85.0 9.0 8.0 101.23 Fog
9 9.0 2012-01-01 09:00:00 -1.3 -3.1 88.0 15.0 4.0 101.20 Fog
10 10.0 2012-01-01 10:00:00 -1.0 -2.3 91.0 9.0 1.2 101.15 Fog
11 11.0 2012-01-01 11:00:00 -0.5 -2.1 89.0 7.0 4.0 100.98 Fog
12 12.0 2012-01-01 12:00:00 -0.2 -2.0 88.0 9.0 4.8 100.79 Fog
13 13.0 2012-01-01 13:00:00 0.2 -1.7 87.0 13.0 4.8 100.58 Fog
14 14.0 2012-01-01 14:00:00 0.8 -1.1 87.0 20.0 4.8 100.31 Fog
15 15.0 2012-01-01 15:00:00 1.8 -0.4 85.0 22.0 6.4 100.07 Fog
16 16.0 2012-01-01 16:00:00 2.6 -0.2 82.0 13.0 12.9 99.93 Mostly Cloudy
17 17.0 2012-01-01 17:00:00 3.0 0.0 81.0 13.0 16.1 99.81 Cloudy
18 18.0 2012-01-01 18:00:00 3.8 1.0 82.0 15.0 12.9 99.74 Rain
19 19.0 2012-01-01 19:00:00 3.1 1.3 88.0 15.0 12.9 99.68 Rain
20 20.0 2012-01-01 20:00:00 3.2 1.3 87.0 19.0 25.0 99.50 Cloudy
21 21.0 2012-01-01 21:00:00 4.0 1.7 85.0 20.0 25.0 99.39 Cloudy
22 22.0 2012-01-01 22:00:00 4.4 1.9 84.0 24.0 19.3 99.32 Rain Showers
23 23.0 2012-01-01 23:00:00 5.3 2.0 79.0 30.0 25.0 99.31 Cloudy
24 24.0 2012-01-02 00:00:00 5.2 1.5 77.0 35.0 25.0 99.26 Rain Showers
25 25.0 2012-01-02 01:00:00 4.6 0.0 72.0 39.0 25.0 99.26 Cloudy
26 26.0 2012-01-02 02:00:00 3.9 -0.9 71.0 32.0 25.0 99.26 Mostly Cloudy
27 27.0 2012-01-02 03:00:00 3.7 -1.5 69.0 33.0 25.0 99.30 Mostly Cloudy
28 28.0 2012-01-02 04:00:00 2.9 -2.3 69.0 32.0 25.0 99.26 Mostly Cloudy
29 29.0 2012-01-02 05:00:00 2.6 -2.3 70.0 32.0 25.0 99.21 Mostly Cloudy
... ... ... ... ... ... ... ... ... ...
8756 8756.0 2012-12-30 20:00:00 -13.8 -16.5 80.0 24.0 25.0 101.52 Clear
8757 8757.0 2012-12-30 21:00:00 -13.8 -16.5 80.0 20.0 25.0 101.50 Mainly Clear
8758 8758.0 2012-12-30 22:00:00 -13.7 -16.3 81.0 19.0 25.0 101.54 Mainly Clear
8759 8759.0 2012-12-30 23:00:00 -12.1 -15.1 78.0 28.0 25.0 101.52 Mostly Cloudy
8760 8760.0 2012-12-31 00:00:00 -11.1 -14.4 77.0 26.0 25.0 101.51 Cloudy
8761 8761.0 2012-12-31 01:00:00 -10.7 -14.0 77.0 15.0 25.0 101.50 Cloudy
8762 8762.0 2012-12-31 02:00:00 -10.1 -13.4 77.0 9.0 25.0 101.45 Cloudy
8763 8763.0 2012-12-31 03:00:00 -11.8 -14.4 81.0 6.0 25.0 101.42 Mostly Cloudy
8764 8764.0 2012-12-31 04:00:00 -10.5 -12.8 83.0 11.0 25.0 101.34 Cloudy
8765 8765.0 2012-12-31 05:00:00 -10.2 -12.4 84.0 6.0 25.0 101.28 Cloudy
8766 8766.0 2012-12-31 06:00:00 -9.7 -11.7 85.0 4.0 25.0 101.23 Cloudy
8767 8767.0 2012-12-31 07:00:00 -9.3 -11.3 85.0 0.0 19.3 101.19 Snow Showers
8768 8768.0 2012-12-31 08:00:00 -8.6 -10.3 87.0 4.0 3.2 101.14 Snow Showers
8769 8769.0 2012-12-31 09:00:00 -8.1 -9.6 89.0 4.0 2.4 101.09 Snow
8770 8770.0 2012-12-31 10:00:00 -7.4 -8.9 89.0 4.0 6.4 101.05 Snow,Fog
8771 8771.0 2012-12-31 11:00:00 -6.7 -7.9 91.0 9.0 9.7 100.93 Snow
8772 8772.0 2012-12-31 12:00:00 -5.8 -7.5 88.0 4.0 12.9 100.78 Snow
8773 8773.0 2012-12-31 13:00:00 -4.6 -6.6 86.0 4.0 12.9 100.63 Snow
8774 8774.0 2012-12-31 14:00:00 -3.4 -5.7 84.0 6.0 11.3 100.57 Snow
8775 8775.0 2012-12-31 15:00:00 -2.3 -4.6 84.0 9.0 9.7 100.47 Snow
8776 8776.0 2012-12-31 16:00:00 -1.4 -4.0 82.0 13.0 12.9 100.40 Snow
8777 8777.0 2012-12-31 17:00:00 -1.1 -3.3 85.0 19.0 9.7 100.30 Snow
8778 8778.0 2012-12-31 18:00:00 -1.3 -3.1 88.0 17.0 9.7 100.19 Snow
8779 8779.0 2012-12-31 19:00:00 0.1 -2.7 81.0 30.0 9.7 100.13 Snow
8780 8780.0 2012-12-31 20:00:00 0.2 -2.4 83.0 24.0 9.7 100.03 Snow
8781 8781.0 2012-12-31 21:00:00 -0.5 -1.5 93.0 28.0 4.8 99.95 Snow
8782 8782.0 2012-12-31 22:00:00 -0.2 -1.8 89.0 28.0 9.7 99.91 Snow
8783 8783.0 2012-12-31 23:00:00 0.0 -2.1 86.0 30.0 11.3 99.89 Snow
8784 NaN None NaN NaN NaN NaN NaN NaN Fog
8785 NaN None NaN NaN NaN NaN NaN NaN Fog

8786 rows × 9 columns

#将一个df中的数据值写入存储到db
df.to_sql('sql_data456',conn)

透视表

  • 透视表是一种可以对数据动态排布并且分类汇总的表格格式。或许大多数人都在Excel使用过数据透视表，也体会到它的强大功能，而在pandas中它被称作pivot_table。

  • 透视表的优点：

    • 灵活性高，可以随意定制你的分析计算要求
    • 脉络清晰易于理解数据
    • 操作性强，报表神器
import pandas as pd
import numpy as np
df = pd.read_csv('./data/透视表-篮球赛.csv',encoding='utf8')
df
对手 胜负 主客场 命中 投篮数 投篮命中率 3分命中率 篮板 助攻 得分
0 勇士 胜 客 10 23 0.435 0.444 6 11 27
1 国王 胜 客 8 21 0.381 0.286 3 9 27
2 小牛 胜 主 10 19 0.526 0.462 3 7 29
3 灰熊 负 主 8 20 0.400 0.250 5 8 22
4 76人 胜 客 10 20 0.500 0.250 3 13 27
5 黄蜂 胜 客 8 18 0.444 0.400 10 11 27
6 灰熊 负 客 6 19 0.316 0.222 4 8 20
7 76人 负 主 8 21 0.381 0.429 4 7 29
8 尼克斯 胜 客 9 23 0.391 0.353 5 9 31
9 老鹰 胜 客 8 15 0.533 0.545 3 11 29
10 爵士 胜 主 19 25 0.760 0.875 2 13 56
11 骑士 胜 主 8 21 0.381 0.429 11 13 35
12 灰熊 胜 主 11 25 0.440 0.429 4 8 38
13 步行者 胜 客 9 21 0.429 0.250 5 15 26
14 猛龙 负 主 8 25 0.320 0.273 6 11 38
15 太阳 胜 客 12 22 0.545 0.545 2 7 48
16 灰熊 胜 客 9 20 0.450 0.500 5 7 29
17 掘金 胜 主 6 16 0.375 0.143 8 9 21
18 尼克斯 胜 主 12 27 0.444 0.385 2 10 37
19 篮网 胜 主 13 20 0.650 0.615 10 8 37
20 步行者 胜 主 8 22 0.364 0.333 8 10 29
21 湖人 胜 客 13 22 0.591 0.444 4 9 36
22 爵士 胜 客 8 19 0.421 0.333 5 3 29
23 开拓者 胜 客 16 29 0.552 0.571 8 3 48
24 鹈鹕 胜 主 8 16 0.500 0.400 1 17 26

pivot_table有四个最重要的参数index、values、columns、aggfunc

  • index参数：分类汇总的分类条件

    • 每个pivot_table必须拥有一个index。如果想查看哈登对阵每个队伍的得分则需要对每一个队进行分类并计算其各类得分的平均值：

  • 想看看哈登对阵同一对手在不同主客场下的数据，分类条件为对手和主客场

df.pivot_table(index=['对手','主客场'])
3分命中率 助攻 命中 得分 投篮命中率 投篮数 篮板
对手 主客场
76人 主 0.4290 7.0 8.0 29.0 0.381 21.0 4.0
客 0.2500 13.0 10.0 27.0 0.500 20.0 3.0
勇士 客 0.4440 11.0 10.0 27.0 0.435 23.0 6.0
国王 客 0.2860 9.0 8.0 27.0 0.381 21.0 3.0
太阳 客 0.5450 7.0 12.0 48.0 0.545 22.0 2.0
小牛 主 0.4620 7.0 10.0 29.0 0.526 19.0 3.0
尼克斯 主 0.3850 10.0 12.0 37.0 0.444 27.0 2.0
客 0.3530 9.0 9.0 31.0 0.391 23.0 5.0
开拓者 客 0.5710 3.0 16.0 48.0 0.552 29.0 8.0
掘金 主 0.1430 9.0 6.0 21.0 0.375 16.0 8.0
步行者 主 0.3330 10.0 8.0 29.0 0.364 22.0 8.0
客 0.2500 15.0 9.0 26.0 0.429 21.0 5.0
湖人 客 0.4440 9.0 13.0 36.0 0.591 22.0 4.0
灰熊 主 0.3395 8.0 9.5 30.0 0.420 22.5 4.5
客 0.3610 7.5 7.5 24.5 0.383 19.5 4.5
爵士 主 0.8750 13.0 19.0 56.0 0.760 25.0 2.0
客 0.3330 3.0 8.0 29.0 0.421 19.0 5.0
猛龙 主 0.2730 11.0 8.0 38.0 0.320 25.0 6.0
篮网 主 0.6150 8.0 13.0 37.0 0.650 20.0 10.0
老鹰 客 0.5450 11.0 8.0 29.0 0.533 15.0 3.0
骑士 主 0.4290 13.0 8.0 35.0 0.381 21.0 11.0
鹈鹕 主 0.4000 17.0 8.0 26.0 0.500 16.0 1.0
黄蜂 客 0.4000 11.0 8.0 27.0 0.444 18.0 10.0
  • values参数：需要对计算的数据进行筛选
    • 如果我们只需要哈登在主客场和不同胜负情况下的得分、篮板与助攻三项数据：
df.pivot_table(index=['主客场','胜负'],values=['得分','篮板','助攻'])
助攻 得分 篮板
主客场 胜负
主 胜 10.555556 34.222222 5.444444
负 8.666667 29.666667 5.000000
客 胜 9.000000 32.000000 4.916667
负 8.000000 20.000000 4.000000

  • Aggfunc参数：设置我们对数据聚合时进行的函数操作

    • 当我们未设置aggfunc时，它默认aggfunc='mean'计算均值。

  • 还想获得james harden在主客场和不同胜负情况下的总得分、总篮板、总助攻时：

df.pivot_table(index=['主客场','胜负'],values=['得分','篮板','助攻'],aggfunc='sum')
助攻 得分 篮板
主客场 胜负
主 胜 95 308 49
负 26 89 15
客 胜 108 384 59
负 8 20 4
  • Columns:可以设置列层次字段
    • 对values字段进行分类
#获取所有队主客场的总得分
df.pivot_table(index='主客场',values='得分',aggfunc='sum')
得分
主客场
主 397
客 404 
#获取每个队主客场的总得分（在总得分的基础上又进行了对手的分类）
df.pivot_table(index='主客场',values='得分',columns='对手',aggfunc='sum',fill_value=0)
对手 76人 勇士 国王 太阳 小牛 尼克斯 开拓者 掘金 步行者 湖人 灰熊 爵士 猛龙 篮网 老鹰 骑士 鹈鹕 黄蜂
主客场
主 29 0 0 0 29 37 0 21 29 0 60 56 38 37 0 35 26 0
客 27 27 27 48 0 31 48 0 26 36 49 29 0 0 29 0 0 27

交叉表

  • 是一种用于计算分组的特殊透视图,对数据进行汇总
  • pd.crosstab(index,colums)
    • index:分组数据，交叉表的行索引
    • columns:交叉表的列索引
import pandas as pd
from pandas import DataFrame

df = DataFrame({'sex':['man','man','women','women','man','women','man','women','women'],
               'age':[15,23,25,17,35,57,24,31,22],
               'smoke':[True,False,False,True,True,False,False,True,False],
               'height':[168,179,181,166,173,178,188,190,160]})
df
sex age smoke height
0 man 15 True 168
1 man 23 False 179
2 women 25 False 181
3 women 17 True 166
4 man 35 True 173
5 women 57 False 178
6 man 24 False 188
7 women 31 True 190
8 women 22 False 160
  • 求出各个性别抽烟的人数
pd.crosstab(df.smoke,df.sex)
sex man women
smoke
False 2 3
True 2 2
  • 求出各个年龄段抽烟人情况
pd.crosstab(df.age,df.smoke)
smoke False True
age
15 0 1
17 0 1
22 1 0
23 1 0
24 1 0
25 1 0
31 0 1
35 0 1
57 1 0
posted @ 2021-06-16 13:32  风hua  阅读(133)  评论(0)  编辑  收藏  举报