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")

	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
0	1001	电子产品	手机	华东	2024-01	5999	2	0.05	11398.10	1199.80
1	1002	家居用品	沙发	华北	2024-01	3999	1	0.00	3999.00	799.80
2	1003	电子产品	笔记本	华南	2024-01	7999	1	0.10	7199.10	1599.80
3	1004	服装	男装	华东	2024-01	599	3	0.20	1437.60	239.60
4	1005	家居用品	灯具	华北	2024-02	899	2	0.00	1798.00	359.60
5	1006	电子产品	平板	华南	2024-02	3499	2	0.05	6648.10	699.80
6	1007	服装	女装	华东	2024-02	799	4	0.10	2876.40	559.20
7	1008	家居用品	床垫	华北	2024-02	2999	1	0.00	2999.00	599.80
8	1009	电子产品	耳机	华南	2024-03	1299	5	0.15	5517.25	899.15
9	1010	服装	童装	华东	2024-03	399	6	0.20	1149.60	239.40
10	1011	家居用品	桌椅	华北	2024-03	1599	2	0.00	3198.00	639.60
11	1012	电子产品	手表	华南	2024-03	1999	3	0.10	5397.30	1079.70
12	1013	服装	男装	华东	2024-04	699	2	0.05	1328.10	209.70
13	1014	家居用品	窗帘	华北	2024-04	499	4	0.10	1796.40	359.20
14	1015	电子产品	手机	华南	2024-04	5999	1	0.00	5999.00	1199.80
15	1016	服装	女装	华东	2024-04	899	3	0.15	2285.85	419.55
16	1017	家居用品	地毯	华北	2024-05	799	2	0.00	1598.00	319.60
17	1018	电子产品	笔记本	华南	2024-05	8999	1	0.05	8549.05	1799.80
18	1019	服装	童装	华东	2024-05	499	5	0.20	1996.00	399.00
19	1020	家居用品	灯具	华南	2024-05	999	3	0.10	2697.30	539.10
20	1021	电子产品	平板	华东	2024-06	3799	2	0.00	7598.00	759.80
21	1022	服装	男装	华北	2024-06	799	3	0.10	2157.30	419.70
22	1023	家居用品	沙发	华南	2024-06	4299	1	0.05	4084.05	859.80
23	1024	电子产品	耳机	华东	2024-06	1499	4	0.15	5096.60	899.40
24	1025	服装	女装	华北	2024-07	999	2	0.00	1998.00	399.60

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)

	订单ID	单价	销量	折扣	销售额	利润
销售月份
2024-01	1002.5	4649.0	1.75	0.0875	6008.4500	959.7500
2024-02	1006.5	2049.0	2.25	0.0375	3580.3750	554.6000
2024-03	1010.5	1324.0	4.00	0.1125	3815.5375	714.4625
2024-04	1014.5	2024.0	2.50	0.0750	2852.3375	547.0625
2024-05	1018.5	2824.0	2.75	0.0875	3710.0875	764.3750
2024-06	1022.5	2599.0	2.50	0.0750	4733.9875	734.6750
2024-07	1025.0	999.0	2.00	0.0000	1998.0000	399.6000

# 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()

	订单ID	单价	销量	折扣	销售额	利润
销售月份
2024-01	1002.5	4649.0	1.75	0.0875	6008.4500	959.7500
2024-02	1006.5	2049.0	2.25	0.0375	3580.3750	554.6000
2024-03	1010.5	1324.0	4.00	0.1125	3815.5375	714.4625
2024-04	1014.5	2024.0	2.50	0.0750	2852.3375	547.0625
2024-05	1018.5	2824.0	2.75	0.0875	3710.0875	764.3750
2024-06	1022.5	2599.0	2.50	0.0750	4733.9875	734.6750
2024-07	1025.0	999.0	2.00	0.0000	1998.0000	399.6000

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)

	商品类别	类别简称
0	电子产品	电子
1	家居用品	家居
2	电子产品	电子

# 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)

	价格等级	单价
0	高价	5999
1	低价	3999
2	高价	7999

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)

	利润	利润评级
0	1199.8	高利润
1	799.8	中利润
2	1599.8	高利润
3	239.6	低利润
4	359.6	低利润

# 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)

	利润	销售额	利润率
0	1199.8	11398.1	0.105263
1	799.8	3999.0	0.200000
2	1599.8	7199.1	0.222222

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'])

	sum	mean	max
商品类别
家居用品	4476.50	559.562500	859.8
服装	2885.75	360.718750	559.2
电子产品	10137.05	1126.338889	1799.8

# 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')
)

	总销量	总利润	平均利润
商品类别
家居用品	16	4476.50	559.562500
服装	28	2885.75	360.718750
电子产品	21	10137.05	1126.338889

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')
)

		总销售额	最大销量
商品类别	销售地区
家居用品	华北	15388.40	4
	华南	6781.35	3
服装	华东	11073.55	6
	华北	4155.30	3
电子产品	华东	24092.70	4
	华南	39309.80	5