如何在 Python 中打印语句以显示 Pandas Dataframe 上数学运算的结果？

Question

因此，我有一个按性别划分的简单销售额汇总数据框，内容如下：Gender |    Sales___________________M      |    25F      |    30我现在想要做的就是在 Python 中返回一行内容：销售金额的平均差距为 16.67%这只是 30 - 25 除以 30，再乘以 100；我想在最后有一个 % 符号。我努力了：m_sales = df.loc[df['Gender'] == 'M']f_sales = df.loc[df['Gender'] == 'F']print('The mean gap in the amount sold is:', m_sales['Sales'] - f_sales['Sales'] / m_sales['Sales'] * 100, '%')不幸的是这不起作用。我得到：销售金额的平均差距为： 0 NaN 1 NaN 名称：销售额，dtype：对象 %请问想法？我是一个非常初学者，很抱歉有这样一个基本的查询！

Answer 1

附加["Sales"].iloc[0]到过滤器表达式以直接获取M和 的值F，然后将这些更改print()也投影到函数中：

m_sales = df.loc[df['Gender'] == 'M']["Sales"].iloc[0]
f_sales = df.loc[df['Gender'] == 'F']["Sales"].iloc[0]
print('The mean gap in the amount sold is:', (f_sales - m_sales) / f_sales * 100, '%')

The mean gap in the amount sold is: 16.666666666666664 %

---

说明：

• df.loc[df['Gender'] == 'M']是一个数据框；

• "Sales"通过附加["Sales"]您获得的系列（仅包含 1 个元素）来选择列，并且

• 通过附加，.iloc[0]您可以获得该系列的第一个（=唯一一个）元素。

---

笔记：

您可以使用 f-string （对于 Python 3.6+）或.format()调整输出的方法，例如

print(f'The mean gap in the amount sold is: {(f_sales - m_sales) / f_sales * 100:.2f}%')

The mean gap in the amount sold is: 16.67%

Answer 2

好的，您希望能够直接按性别对您的销售进行索引（使用.loc[]），因此我们读取您的数据帧以index_col=[0]将索引设置为Gender列，然后squeeze=True将剩余的 1 列数据帧减少为一个系列。

然后我使用 f 字符串进行格式化。请注意，我们可以将表达式内联到 f 字符串中：

import pandas as pd

from io import StringIO    

dat = """\

Gender |    Sales

___________________

M      |    25

F      |    30

"""

sl = pd.read_csv(StringIO(dat), sep='\s*\|\s*', skiprows=[1], index_col=[0],

    engine='python', squeeze=True)

#               Sales

# Gender            

# M               25

# F               30

print(f"The mean gap in the amount sold is: {100.*(1 - sl.loc['M']/sl.loc['F']):.2f}%")

# The mean gap in the amount sold is: 16.67%

# ...but f-strings even have a datatype for percent: `:.2%`, so we don't need the `100. * (...)` boilerplate.

print(f"The mean gap in the amount sold is: {(1 - sl.loc['M']/sl.loc['F']):.2%}")

The mean gap in the amount sold is: 16.67%

...如果您想更进一步并减少 df -> Series -> dict，请执行sl.to_dict()，现在您sl['M']/sl['F']可以像您可能想要的那样直接引用（显然我们失去了 Series 的所有丰富方法。）