代码：
import pandas as pd
f = open('运动员信息表.csv')
data=pd.read_csv(f,skiprows=0,header=0)
print(data)运行结果：
首先使用pd.read_csv(f,skiprows=0,header=0)进行数据的读取，并且将数据转换成为dataframe的格式给对象，做初始化，方便后面进行数据的分析。
代码：
sex=data[["年龄（岁）","身高(cm)","体重(kg)"]].groupby(data["性别"]) print(sex.mean())
运行结果：
首先我们先把数据提取出来做个分组，先把"年龄（岁）",“身高(cm)”,"体重(kg)"这三行数据提取出来再根据性别进行分组。
sex=data[["年龄（岁）","身高(cm)","体重(kg)"]].groupby(data["性别"])
然后再调用mean()求平均值，求出男篮、女篮运动员的平均年龄、身高、体重。
代码：
sex=data[["年龄（岁）","身高(cm)","体重(kg)"]].groupby(data["性别"])
basketball_male=dict([x for x in sex])['男']
basketball_male
#求极差
def range_data_group(arr):
return arr.max()-arr.min()
#进行每列不同的聚合
basketball_male.agg({
"年龄（岁）":range_data_group,"身高(cm)":range_data_group,"体重(kg)":range_data_group
})运行结果：
首先提取数据：
单行循环提取数据，dict([x for x in sex])在循环体内的语句只有一行的情况的下，可以简化for循环的书写。定义一个函数def range_data_group(arr):求极差；
极差的求法：使用最大值减去最小值。就得到极差。
agg()函数：DataFrame.agg（*func*，*axis = 0*，* args*，*** kwargs* ）*
func : 函数，函数名称，函数列表，字典{‘行名/列名’，‘函数名’}
使用指定轴上的一个或多个操作进行聚合。
需要注意聚合函数操作始终是在轴（默认是列轴，也可设置行轴）上执行，不同于 numpy聚合函数
最后我们可以得到三列数据：分别对应"年龄（岁）",“身高(cm)”,“体重(kg)”。
代码：
data["体质指数"]=0 data
运行结果：
添加一行体重指数：data[“体质指数”]=0
代码：
# 计算bmi数值 def outer(num): def bminum(sumbim): weight=data["身高(cm)"] height=data["体重(kg)"] sumbim=weight/(height/100)**2 return num+sumbim return bminum
将该行数据添加上去：
代码：
# 调用函数 bimdata=data["体质指数"] data["体质指数"]=data[["体质指数"]].apply(outer(bimdata)) data
运行结果:
编写函数计算bmi数值 outer(num)；然后再使用apply的方法将自定义的函数应用到"体质指数"这一列。然后计算出该列的值之后进行赋值。
data[“体质指数”]=data[[“体质指数”]].apply(outer(bimdata))
97622)]
编写函数计算bmi数值 outer(num) ；然后再使用apply的方法将自定义的函数应用到"体质指数"这一列。然后计算出该列的值之后进行赋值。
data[“体质指数”]=data[[“体质指数”]].apply(outer(bimdata))
到此这篇关于Python数据分析处理，运动员信息的分组与聚合的文章就介绍到这了。更多相关Python数据分析处理内容请搜索好二三四，希望大家以后多多支持好二三四！