我对pandas / Numpy不熟悉,正在尝试了解其工作原理。
我正在使用以下数据集,用于前1000部IMDb电影评分: https://github.com/justmarkham/pandas-videos/blob/master/data/imdb_1000.csv 我想按类型分组,按电影数量(> 100)过滤,然后显示最小值/最大值/平均值(作为整数)/中位数(作为整数)/计数。
到目前为止,我有:
这显示了所有类型和持续时间的统计信息,但平均数和中位数是浮点数,并且包括低计数的内容。
我想以某种方式将其与以下内容结合起来:最初的回答。
最初的回答
而且
我正在使用以下数据集,用于前1000部IMDb电影评分: https://github.com/justmarkham/pandas-videos/blob/master/data/imdb_1000.csv 我想按类型分组,按电影数量(> 100)过滤,然后显示最小值/最大值/平均值(作为整数)/中位数(作为整数)/计数。
到目前为止,我有:
df.groupby("genre")['duration'].aggregate(['min', max, np.mean, np.median, 'count']).sort_values('median', ascending=False)
这显示了所有类型和持续时间的统计信息,但平均数和中位数是浮点数,并且包括低计数的内容。
我想以某种方式将其与以下内容结合起来:最初的回答。
df.groupby("genre")['duration'].filter(lambda x: x.count() > 100)
最初的回答
而且
df.groupby("genre")['duration'].mean().astype(int)
这是否可行?
接下来我想要将其全部绘制成图表,但那是以后的事情...
谢谢!
编辑1
为了澄清,目前我得到:
最初的回答:
genre min max mean median count
Western 85 175 136.666667 135.0 9
Adventure 89 224 134.840000 127.0 75
Biography 85 202 131.844156 127.0 77
Action 80 205 126.485294 125.0 136
Drama 64 242 126.539568 123.0 278
Crime 67 229 122.298387 118.0 124
Thriller 107 120 114.200000 116.0 5
Mystery 69 160 115.625000 115.0 16
Sci-Fi 91 132 109.000000 113.0 5
Fantasy 112 112 112.000000 112.0 1
Family 100 115 107.500000 107.5 2
Comedy 68 187 107.602564 104.0 156
Horror 70 146 102.517241 104.0 29
Animation 75 134 96.596774 94.5 62
Film-Noir 88 111 97.333333 93.0 3
History 66 66 66.000000 66.0 1
But I want:
genre min max mean median count
Action 80 205 126 125 136
Drama 64 242 127 123 278
Crime 67 229 122 118 124
Comedy 68 187 108 104 156