带有条件的 pandas 数据帧总和 - Python

在数据分析中，经常需要根据特定的条件对数据进行汇总和计算。本文将介绍如何使用 Pandas 模块中的条件语句和聚合方法来实现带有条件的数据帧总和。

数据导入

首先，我们需要导入需要处理的数据。在本例中，我们将使用 Seaborn 模块 中的 titanic 数据集，该数据集包含了泰坦尼克号上的乘客信息。

import seaborn as sns

titanic_df = sns.load_dataset('titanic')

带有条件的数据帧总和

在 Pandas 模块中，我们可以使用 groupby() 方法按照某一列的值进行分组，并使用 sum() 方法计算对应列的总和。例如，我们可以按照性别分组，并计算每个性别对应的幸存者人数和平均票价：

titanic_df.groupby('sex')[['survived', 'fare']].sum()

但是，如果我们需要计算符合一定条件的行的对应列的总和，我们就需要加入一定的条件语句。例如，我们需要计算年龄大于 30 岁的幸存者人数和平均票价：

titanic_df[titanic_df['age'] > 30].groupby('sex')[['survived', 'fare']].sum()

以上代码首先使用条件语句 titanic_df['age'] > 30，筛选出所有年龄大于 30 岁的行，并按照性别分组计算对应的幸存者人数和平均票价。

Markdown 返回部分代码

## 带有条件的数据帧总和

在 Pandas 模块中，我们可以使用 `groupby()` 方法按照某一列的值进行分组，并使用 `sum()` 方法计算对应列的总和。例如，我们可以按照性别分组，并计算每个性别对应的幸存者人数和平均票价：

```python
titanic_df.groupby('sex')[['survived', 'fare']].sum()

但是，如果我们需要计算符合一定条件的行的对应列的总和，我们就需要加入一定的条件语句。例如，我们需要计算年龄大于 30 岁的幸存者人数和平均票价：

titanic_df[titanic_df['age'] > 30].groupby('sex')[['survived', 'fare']].sum()