使用 Pandas 进行过滤

Question

我正在使用以下数据集（基本上是代表美国枪击死亡人数的数据集），我试图证明&ldquo;大约三分之二的凶杀案受害者是 15 岁年龄段的男性&mdash;&mdash; 34 是黑色的&rdquo;。这是我的尝试：data = pd.read_csv("./guns-data-master/full_data.csv")homicides = data[data['intent'] == 'Homicide']male_homicides = homicides[homicides['sex'] == 'M']less_thirty_four = male_homicides[male_homicides['age'] <= 34.0]within_range = less_thirty_four[less_thirty_four['age'] >= 15.0]within_range.race.value_counts()这基本上给了我足够的信息来证明我想要的。不过，我确信一定有一种更简单、更有效的方法来过滤掉所有年龄在15岁至34岁之间的男性凶杀案受害者。我该怎么做才能使这个过滤过程更加有效？

Answer 1

另一种方法（可能具有更好的可读性）是使用查询方法。

url = "https://raw.githubusercontent.com/fivethirtyeight/guns-data/master/full_data.csv"

df = pd.read_csv(url, index_col=[0])

df.query("age >= 25 and age <= 34 and intent == 'Homicide' and sex == 'M'") \

  .race \

  .value_counts()

Black                             5901

White                             1568

Hispanic                          1564

Asian/Pacific Islander             122

Native American/Native Alaskan      90

Answer 2

尝试这个：

data = pd.read_csv("./guns-data-master/full_data.csv")

homicides = data[(data['intent'] == 'Homicide')  & (data['sex'] == 'M') & (data['age'] <= 34.0) & (data['age'] >= 15.0) ]

homicides.race.value_counts()