pandas实例-Stats-US_Baby_Names

继续前面的练习，之前的文章参考：

• pandas实例-了解你的数据-Chipotle
• pandas实例-筛选与排序-Chipotle
• pandas实例-数据可视化-Chipotle
• pandas实例-了解你的数据-Occupation
• pandas实例-筛选与过滤-Euro 12
• pandas实例-筛选与过滤-Fictional Army
• pandas实例-聚合-Alcohol Consumption
• pandas实例-聚合-Occupation
• pandas实例-聚合-Regiment
• pandas实例-Apply-Student Alcohol Consumption
• pandas实例-Apply-Crime Rates
• pandas实例-Merge-MPG Cars
• pandas实例-Merge-Fictitious Names
• pandas实例-merge-House Market

---

先来看看我们的数据集

df = pd.read_csv('https://raw.githubusercontent.com/guipsamora/pandas_exercises/master/06_Stats/US_Baby_Names/US_Baby_Names_right.csv')

df.head()

哇，这次居然有100多万条记录

1. Delete the column 'Unnamed: 0' and 'Id'

删除两列
删除的话，通过我们之前的筛选也是可以实现的，或者使用专门的删除函数
参考：pandas删除函数-drop

df.drop(columns=['Unnamed: 0' , 'Id'] , inplace=True)

2. Are there more male or female names in the dataset?

这个是想看看性别的分布情况
我们可以使用聚合函数，或者

df.groupby('Gender')['Gender'].count()

df['Gender'].value_counts()

顺便看个占比好了

df.groupby('Gender')['Gender'].count() / df['Gender'].count()

3. Group the dataset by name and assign to names

根据name做一个聚合

df.groupby('Name')['Count'].sum().sort_values(ascending=False).head()

这里注意一个问题，就是这个聚合的时候，需要使用字段Count，我一开始还以为作者写错了，为什么要用sum，我就直接根据name做count了，后来才明白

4. How many different names exist in the dataset?

一共有多少个名字呢？

df['Name'].nunique()

5. What is the name with most occurrences?

出现次数最多的名字

df_name = df.groupby('Name')['Count'].sum()
df_name.sort_values(ascending=False).head(1)

首先想到的是这种方式，但是还有一种更简单的方式，之前也用过，但是我给忘记了

参考：pandas-idxmin和idxmax

这个函数，比较方便

df_name.idxmax()

6. How many different names have the least occurrences?

这个题目，我还是思考了一下，上一题是需要看对应的名字，而这一题是需要看所有的名字，说明不止一个

df_name[df_name==df_name.min()].count()

7. What is the median name occurrence?

这一题和上一题类似，这次是看中位数

df_name[df_name==df_name.median()]

8. Get a summary with the mean, min, max, std and quartiles.

这个要使用最常用的函数describe就行了

df_name.describe()