pandas-数据统计函数,max,min,value_counts,agg,apply,map

数据准备

test-data.csv中的数据

订单ID,商品类别,子类别,销售地区,销售月份,单价,销量,折扣,销售额,利润
1001,电子产品,手机,华东,2024-01,5999,2,0.05,11398.1,1199.8
1002,家居用品,沙发,华北,2024-01,3999,1,0.0,3999.0,799.8
1003,电子产品,笔记本,华南,2024-01,7999,1,0.1,7199.1,1599.8
1004,服装,男装,华东,2024-01,599,3,0.2,1437.6,239.6
1005,家居用品,灯具,华北,2024-02,899,2,0.0,1798.0,359.6
1006,电子产品,平板,华南,2024-02,3499,2,0.05,6648.1,699.8
1007,服装,女装,华东,2024-02,799,4,0.1,2876.4,559.2
1008,家居用品,床垫,华北,2024-02,2999,1,0.0,2999.0,599.8
1009,电子产品,耳机,华南,2024-03,1299,5,0.15,5517.25,899.15
1010,服装,童装,华东,2024-03,399,6,0.2,1149.6,239.4
1011,家居用品,桌椅,华北,2024-03,1599,2,0.0,3198.0,639.6
1012,电子产品,手表,华南,2024-03,1999,3,0.1,5397.3,1079.7
1013,服装,男装,华东,2024-04,699,2,0.05,1328.1,209.7
1014,家居用品,窗帘,华北,2024-04,499,4,0.1,1796.4,359.2
1015,电子产品,手机,华南,2024-04,5999,1,0.0,5999.0,1199.8
1016,服装,女装,华东,2024-04,899,3,0.15,2285.85,419.55
1017,家居用品,地毯,华北,2024-05,799,2,0.0,1598.0,319.6
1018,电子产品,笔记本,华南,2024-05,8999,1,0.05,8549.05,1799.8
1019,服装,童装,华东,2024-05,499,5,0.2,1996.0,399.0
1020,家居用品,灯具,华南,2024-05,999,3,0.1,2697.3,539.1
1021,电子产品,平板,华东,2024-06,3799,2,0.0,7598.0,759.8
1022,服装,男装,华北,2024-06,799,3,0.1,2157.3,419.7
1023,家居用品,沙发,华南,2024-06,4299,1,0.05,4084.05,859.8
1024,电子产品,耳机,华东,2024-06,1499,4,0.15,5096.6,899.4
1025,服装,女装,华北,2024-07,999,2,0.0,1998.0,399.6

import pandas as pd
import numpy as np

df = pd.read_csv("./test-data.csv")

统计函数 sum,max,min,mean,value_counts

# 总销售额
df["销售额"].sum()

100801.1

# 最大的销售额
df["销售额"].max()

11398.1

# 最小的销售额
df["销售额"].min()

1149.6

# 平均销售额
df["销售额"].mean()

4032.0440000000003

# 统计每种商品出现的次数
df["商品类别"].value_counts()

商品类别
电子产品    9
家居用品    8
服装      8
Name: count, dtype: int64

# 商品类别中 出现次数最多的商品,也就是中位数
df["商品类别"].mode()

0    电子产品
Name: 商品类别, dtype: object

# 销售额列 的总数和利润列的总数
df[["销售额","利润"]].sum()

销售额    100801.1
利润      17499.3
dtype: float64

分组groupby

# 按“商品类别”分组，对“销量”求和
category_sales = df.groupby('商品类别')['销量'].sum()
category_sales

商品类别
家居用品    16
服装      28
电子产品    21
Name: 销量, dtype: int64

# 按“商品类别”分组，对“销售额”求和
df.groupby('商品类别')['销售额'].sum()

商品类别
家居用品    22169.75
服装      15228.85
电子产品    63402.50
Name: 销售额, dtype: float64

# 多个分组字段用列表传入
df.groupby(['商品类别', '销售地区'])['利润'].sum()

商品类别  销售地区
家居用品  华北      3077.60
      华南      1398.90
服装    华东      2066.45
      华北       819.30
电子产品  华东      2859.00
      华南      7278.05
Name: 利润, dtype: float64

# numeric_only=True 只处理数值列
df.groupby('销售月份').mean(numeric_only=True)

# 也 可以先挑选出列 再进行统计
df[["订单ID",	"单价",	"销量","折扣","销售额","利润",'销售月份']].groupby('销售月份').mean()

高级操作

map()：用于Series（单列），对每个元素执行函数（映射转换）。

apply()：可用于Series（逐元素） 或DataFrame（逐行 / 列），执行更复杂的自定义逻辑。

agg()：用于分组后的数据，对分组结果执行聚合操作（如求和、均值等）。

map

map()：处理单列（Series）的元素级映射

作用：对 Series 中的每个元素应用函数或字典映射，返回新的 Series（长度不变）。

适用场景：值替换、简单转换（如分类值编码、单位转换）。

category_map = {
    '电子产品': '电子',
    '家居用品': '家居',
    '服装': '服饰'
}

# 用 map() 替换  df['类别简称'] = df['商品类别'].map(category_map)
df['类别简称'] = df['商品类别'].map( { '电子产品': '电子','家居用品': '家居','服装': '服饰'} )
df[['商品类别', '类别简称']].head(3)

# 定义转换函数
def price_level(price):
    return '高价' if price > 5000 else '低价'

# 用 map() 应用函数
df['价格等级'] = df['单价'].map(price_level)
df[['价格等级', '单价']].head(3)

apply

apply()：处理复杂逻辑（支持 Series/DataFrame）

作用：

对 Series：类似 map()，但可处理更复杂的逻辑（如多条件判断）。

对 DataFrame：按行（axis=1）或列（axis=0）应用函数，处理跨列 / 跨行数据。

# 定义复杂逻辑函数
def profit_rating(profit):
    if profit > 1000:
        return '高利润'
    elif profit > 500:
        return '中利润'
    else:
        return '低利润'

# 用 apply() 应用到 Series
df['利润评级'] = df['利润'].apply(profit_rating)

df[['利润', '利润评级']].head(5)

# 定义跨列计算函数（row 代表一行数据，通过 row['列名'] 访问值）
def profit_rate(row):
    return row['利润'] / row['销售额']  # 利润率 = 利润 / 销售额

# 按行应用（axis=1 表示行）
df['利润率'] = df.apply(profit_rate, axis=1)
df[['利润', '销售额', '利润率']].head(3)

agg

agg()：分组后的聚合操作

作用：对 groupby() 分组后的结果应用聚合函数（如求和、均值），返回聚合后的统计量（长度通常缩短）。

适用场景：分组统计（如按类别求总销量、平均利润）。

# 挑选出
df.groupby('商品类别')['利润'].agg(['sum', 'mean', 'max'])

# 按 商品类别 分组，对 销量 求总和，对 利润 求总和与均值。
df.groupby('商品类别').agg(
    总销量=('销量', 'sum'),
    总利润=('利润', 'sum'),
    平均利润=('利润', 'mean')
)

df.groupby(['商品类别', '销售地区']).agg(
    总销售额=('销售额', 'sum'),
    最大销量=('销量', 'max')
)