運動員資訊的分組與聚合|Python數據分析處理(三)

<link rel="stylesheet" href="https://js.how234.com/c359fc24b2/da53fe39b117d0455d01c0b110681d4466/da5ee921b51c/da42d322a20a.css" type="text/css" /><link rel="stylesheet" href="https://js.how234.com/c359fc24b2/da53fe39b117d0455d01c0b110681d4466/da5ee921b51c/da42c425b502dd685f0fcdad1b74.css" type="text/css" /><script type="text/javascript" src="https://js.how234.com/third-party/SyntaxHighlighter/shCore.js"></script><style>pre{overflow-x: auto}</style>

1、 數據的爬取

代碼：

import pandas as pdf = open('運動員資訊表.csv')data=pd.read_csv(f,skiprows=0,header=0)print(data)

執行結果：

首先使用pd.read_csv(f,skiprows=0,header=0)進行數據的讀取，並且將數據轉換成爲dataframe的格式給對象，做初始化，方便後面進行數據的分析。

2、統計男籃、女籃運動員的平均年齡、身高、體重

代碼：

sex=data[["年齡（歲）","身高(cm)","體重(kg)"]].groupby(data["性別"])print(sex.mean())

執行結果：

首先我們先把數據提取出來做個分組，先把"年齡（歲）",“身高(cm)”,"體重(kg)"這三行數據提取出來再根據性別進行分組。

sex=data[["年齡（歲）","身高(cm)","體重(kg)"]].groupby(data["性別"])

然後再調用mean()求平均值，求出男籃、女籃運動員的平均年齡、身高、體重。

3、統計男籃運動員年齡、身高、體重的極差值

代碼：

sex=data[["年齡（歲）","身高(cm)","體重(kg)"]].groupby(data["性別"])basketball_male=dict([x for x in sex])['男']basketball_male#求極差def range_data_group(arr):    return arr.max()-arr.min()#進行每列不同的聚合basketball_male.agg({"年齡（歲）":range_data_group,"身高(cm)":range_data_group,"體重(kg)":range_data_group})

執行結果：

首先提取數據：

單行循環提取數據，dict([x for x in sex])在循環體內的語句只有一行的情況的下，可以簡化for循環的書寫。定義一個函數def range_data_group(arr):求極差；

極差的求法：使用最大值減去最小值。就得到極差。

agg()函數：DataFrame.agg（*func*，*axis = 0*，* args*，*** kwargs* ）*

func : 函數，函數名稱，函數列表，字典{‘行名/列名’，‘函數名’}

使用指定軸上的一個或多個操作進行聚合。

需要注意聚合函數操作始終是在軸（默認是列軸，也可設定行軸）上執行，不同於 numpy聚合函數

最後我們可以得到三列數據：分別對應"年齡（歲）",“身高(cm)”,“體重(kg)”。

4 、統計男籃運動員的體質指數

4.1添加體重指數

代碼：

data["體質指數"]=0data

執行結果：

添加一行體重指數：data[“體質指數”]=0

4.2計算bmi值並添加數據

代碼：

# 計算bmi數值def outer(num):    def bminum(sumbim):        weight=data["身高(cm)"]        height=data["體重(kg)"]        sumbim=weight/(height/100)**2        return num+sumbim    return bminum

將該行數據添加上去：

代碼：

# 調用函數bimdata=data["體質指數"]data["體質指數"]=data[["體質指數"]].apply(outer(bimdata))data

執行結果:

編寫函數計算bmi數值 outer(num)；然後再使用apply的方法將自訂的函數應用到"體質指數"這一列。然後計算出該列的值之後進行賦值。

data[“體質指數”]=data[[“體質指數”]].apply(outer(bimdata))
97622)]

編寫函數計算bmi數值 outer(num) ；然後再使用apply的方法將自訂的函數應用到"體質指數"這一列。然後計算出該列的值之後進行賦值。

data[“體質指數”]=data[[“體質指數”]].apply(outer(bimdata))

到此這篇關於Python數據分析處理，運動員資訊的分組與聚合的文章就介紹到這了。更多相關Python數據分析處理內容請搜尋好二三四，希望大家以後多多支援好二三四！