数据聚合

数据聚合允许我们对数据进行分组并计算统计信息，如求平均值、总和等。

生活例子

假设你有多个地区的水果销售数据，希望计算每种水果的总销售量。

import pandas as pd

# 示例数据
data = {
    'Region': ['North', 'South', 'North', 'South'],
    'Fruit': ['Apple', 'Apple', 'Banana', 'Banana'],
    'Sales': [100, 200, 300, 150]
}
df = pd.DataFrame(data)

# 按水果类型分组并计算总销量
total_sales = df.groupby('Fruit')['Sales'].sum()

# 查看结果
print(total_sales)

代码说明

• df.groupby('Fruit')['Sales'].sum()：根据水果类型进行分组，并计算每种水果的总销售量。

处理缺失值

在数据集中，缺失值是常见的问题。Pandas 提供了多种方法来处理这些缺失值。

如果在你的销售数据中，有些水果的销售量缺失，你可能想要删除这些记录。

import pandas as pd

# 读取 CSV 文件
data = pd.read_csv('fruits.csv')

# 查看缺失值情况
print(data.isnull().sum())

# 删除含有缺失值的行
cleaned_data = data.dropna()

# 查看处理后的数据
print(cleaned_data)

代码说明

• data.isnull().sum()：检查每列的缺失值数量。

• data.dropna()：删除含有缺失值的行。