统计与筛选

这是什么：pandas 的统计与筛选，就是算总数、挑行、分组汇总这几套功夫。

为什么用：数据洗干净了，不榨一榨就白洗。真正的价值在筛选和分组：谁的成绩最高、每班平均多少，靠列表循环能写，靠 pandas 一行就够。

如何用：本章从一份干净数据起步，先用 sum()、mean()、describe() 一键出统计结果，再挑行、分组。

先准备一份干净数据：

import pandas as pd

data = {
    "姓名": ["小明", "小红", "小刚", "小美", "小强"],
    "班级": ["1班", "2班", "1班", "2班", "1班"],
    "年龄": [18, 17, 19, 18, 20],
    "成绩": [92, 88, 95, 76, 60],
}
df = pd.DataFrame(data)

一键统计

print(df["成绩"].sum())     # 总和
print(df["成绩"].mean())    # 平均数
print(df.describe())        # 一键出全套统计指标

411
82.2
             年龄         成绩
count   5.000000   5.000000
mean   18.400000  82.200000
std     1.140175  14.359666
min    17.000000  60.000000
25%    18.000000  76.000000
50%    18.000000  88.000000
75%    19.000000  92.000000
max    20.000000  95.000000

describe() 自动挑出所有数字列，给出个数、均值、标准差、最小/最大值和四分位数——一行顶十行。

条件筛选：想要哪行挑哪行

方括号里放一个"条件"，就只留下满足条件的行：

adults = df[df["年龄"] > 18]
print(adults)

   姓名   班级  年龄  成绩
2  小刚  1班  19  95
4  小强  1班  20  60

读法：df["年龄"] > 18 先算出一列 True/False，再用它过滤 df。条件可以用 &（并且）、|（或者）组合，每个条件记得加括号：

print(df[(df["年龄"] >= 18) & (df["成绩"] >= 90)])

   姓名   班级  年龄  成绩
0  小明  1班  18  92
2  小刚  1班  19  95

loc 与 iloc：精确取格子

• loc：按标签取（行号、列名）
• iloc：按位置取（第几行第几列，从 0 数）

print(df.loc[0, "姓名"])    # 第 0 行的"姓名"列
print(df.iloc[0, 0])        # 第 0 行第 0 列
print(df.loc[1:3, ["姓名", "成绩"]])   # 行 1~3，只要两列

小明
小明
   姓名  成绩
1  小红  88
2  小刚  95
3  小美  76

loc 的切片 1:3 是含头含尾（取 1、2、3），和 Python 列表"含头不含尾"不一样——因为它按的是标签。

groupby：分组统计

"每个班的平均分是多少？"这种问题交给 groupby：

print(df.groupby("班级")["成绩"].mean())

班级
1班    82.333333
2班    82.000000
Name: 成绩, dtype: float64

三步曲：按"班级"分组 → 取"成绩"列 → 求平均。把 mean() 换成 sum()、count()、max()，就是分组求和、计数、取最大。

本章解读

记忆口诀

describe 看全局，方括号装条件，loc 按名 iloc 按位，groupby 一分组万事毕。

动手改

1. 筛出"1班且成绩大于 80"的同学（条件用 & 连接，两边加括号）
2. 把 groupby 里的 mean() 换成 max()，看看每个班的最高分
3. 试试 df["成绩"].value_counts()，数一数每个分数出现的次数

下一章：实战，真刀真枪分析一份销售数据 🐸