python - 如何使用 if 语句从 Python 中的两列中读取？

Question

我有一个名为 students.csv 的文件。有几列。我想对两列使用 if 语句，即 gender 和 scores。我想显示得分最高的男学生(按降序排列)。因此，我需要编写一个可以从 csv 文件中读取并合并这两列(性别和分数)的脚本。

我尝试使用:

import pandas as pd

data = pd.read_csv('students.csv')

print(data[data["Gender"] == 1])  

这里我给男同学=1，女同学=0。但是，我不知道如何打印得分最高的男学生。

Answer 1

您可以使用 loc用于选择 Gender 和 nlargest ，带有参数 n，如果您需要多个作为一个值:

n : int

Return this many descending sorted values

print data
   Scores  Gender
0      10       0
1       5       1
2       5       0
3       7       1
4       8       1
5       3       0

print data.loc[data['Gender']==1, 'Scores'].nlargest(n=3)
4    8
3    7
1    5
Name: Scores, dtype: int64

如果您只需要最高分，请使用 max ，如 comment 中提到的 Edchum :

print data.loc[data['Gender']==1, 'Scores'].max()
8

或者使用groupby按性别 nlargest对于所有性别:

print data.groupby('Gender')['Scores'].nlargest(n=2)
Gender   
0       0    10
        2     5
1       4     8
        3     7
dtype: int64

如果你需要名字，你可以使用merge通过两个索引:

print data
  Names  Scores  Gender
0     a      10       0
1     b       5       1
2     c       5       0
3     d       7       1
4     e       8       1
5     f       3       0

print data.groupby('Gender')['Scores'].nlargest(n=2).reset_index(level=0,name='Max')
   Gender  Max
0       0   10
2       0    5
4       1    8
3       1    7

df =pd.merge(data[['Names']], 
             data.groupby('Gender')['Scores'].nlargest(n=2).reset_index(level=0, name='Max'),
             left_index=True, 
             right_index=True)
               
  Names  Gender  Max
0     a       0   10
2     c       0    5
4     e       1    8
3     d       1    7

如果您只需要一个Gender，请使用concat :

print data
  Names  Scores  Gender
0     a      10       0
1     b       5       1
2     c       5       0
3     d       7       1
4     e       8       1
5     f       3       0

print data.loc[data['Gender']==1, 'Scores'].nlargest(n=2)
4    8
3    7
Name: Scores, dtype: int64

print pd.concat([data['Names'], 
                 data.loc[data['Gender']==1, 'Scores'].nlargest(n=2)], 
                 axis=1, 
                 join='inner')
                 
  Names  Scores
4     e       8
3     d       7

或者更简单的解决方案是使用 loc再次:

print data
  Names  Scores  Gender
0     a      10       0
1     b       5       1
2     c       5       0
3     d       7       1
4     e       8       1
5     f       3       0

print data.loc[data['Gender'] == 1, 'Scores'].nlargest(n=2).index
Int64Index([4, 3], dtype='int64')

print data.loc[data.loc[data['Gender'] == 1,'Scores'].nlargest(n=2).index,['Names','Scores']]
  Names  Scores
4     e       8
3     d       7