python - Pandas Python 上的 Group by 和 where 查询

Question

我的数据集由分类列和数字列组成。例如:工资数据集

列:['工作'、'country_origin'、'年龄'、'薪水'、'学位'、'marital_status']

四个分类列和两个数字列，我想使用三个聚合函数:

cat_col = ['job', 'country_origin','degree','marital_status']
num_col = [ 'age', 'salary']
aggregate_function = ['avg','max','sum']

目前，我的 Python 代码使用原始查询，而我的目标是从上面列表中的所有组合中获取分组查询结果:

我的查询:“从数据库中选择 cat_col[0]，aggregate_function[0](num_col[0])，其中 marital_status = 'married' group by cat_col[0]”

所以查询是:

q1 = select job, avg(age) from DB where marietal_status='married' groub by job
q2 = select job, avg(salary) from DB where marietal_status='married' groub by job

etc

我使用for循环来获取所有组合的结果。

我的问题是，我想将该查询更改为 Pandas 查询。我花了几个小时但无法解决它。

Pandas 有不同的方式来查询数据。

示例数据框:

df2 = pd.DataFrame(np.array([['programmer', 'US', 28,4000, 'master','unmarried'], 
                             ['data scientist', 'UK', 30,5000, 'PhD','unmarried'],
                             ['manager', 'US', 48,9000, 'master','married']]),
                   columns=[['job', 'country_origin', 'age', 'salary', 'degree','marital_status']])

Answer 1

首先导入库

import pandas as pd

构建示例数据框

df = pd.DataFrame( { 
    "job" : ["programmer","data scientist","manager"] , 
    "country_origin" : ["US","UK","US"],
    "age": [28,30,48],
    "salary": [4000,5000,9000],
    "degree": ["master","PhD","master"],
    "marital_status": ["unmarried","unmarried","married"]} )

应用where子句，另存为新的dataframe(不是必需的，但更容易阅读)，当然可以在groupby中使用过滤后的df

married=df[df['marital_status']=='married']

q1 = 从数据库中选择工作、平均年龄，其中 marietal_status='已婚' 按工作分组

married.groupby('job').agg( {"age":"mean"} )
or
df[df['marital_status']=='married'].groupby('job').agg( {"age":"mean"} )

         age
job
manager   48

q2 = 从数据库中选择工作、平均(工资)，其中 marietal_status='已婚' 按工作分组

married.groupby('job').agg( {"salary":"mean"} )

         salary
job
manager    9000

您可以通过重置索引来展平表格

df[df['marital_status']=='married'].groupby('job').agg( {"age":"mean"} ).reset_index()

       job  age
0  manager   48

一起输出两个统计数据:

df[df['marital_status']=='married'].groupby('job').agg( {"age":"mean","salary":"mean"} ).reset_index()

       job  age  salary
0  manager   48    9000