在Python Pandas中执行类似Excel的counttifs操作

在Python Pandas中执行类似Excel的countifs操作，可以使用groupby和agg函数来实现。

假设我们有一个包含以下内容的数据集：

Name	Age	Gender	City
Alice	28	F	Beijing
Bob	30	M	Shanghai
Carol	25	F	Beijing
David	30	M	Beijing
Eve	25	F	Shanghai

现在我们想要用Python Pandas来实现类似于Excel的countifs操作，计算特定条件下的总数。比如，我们要计算在北京且年龄大于等于30岁的人数。

首先，我们需要创建一个新的DataFrame，只包含满足条件的数据行。

import pandas as pd

df = pd.DataFrame({
    'Name': ['Alice', 'Bob', 'Carol', 'David', 'Eve'],
    'Age': [28, 30, 25, 30, 25],
    'Gender': ['F', 'M', 'F', 'M', 'F'],
    'City': ['Beijing', 'Shanghai', 'Beijing', 'Beijing', 'Shanghai']
})

# 创建新的DataFrame，只包含City为'Beijing'且Age>=30的数据行
criteria = (df['City'] == 'Beijing') & (df['Age'] >= 30)
df_filtered = df[criteria]
print(df_filtered)
# 输出
#     Name  Age Gender     City
# 1    Bob   30      M  Shanghai
# 3  David   30      M  Beijing

现在我们得到了一个新的DataFrame，只包含北京市年龄大于等于30岁的人。接下来我们使用groupby和agg函数来计算符合条件的人数。

# 按Gender分组，计算符合条件的人数（count）
result = df_filtered.groupby('Gender').agg({'Gender': 'count'})
print(result)
# 输出
#        Gender
# Gender       
# M            2

上面的代码中，我们首先使用groupby函数，按照Gender字段对数据进行分组，然后使用agg函数，对Gender列执行count聚合函数，计算符合条件的人数。

这样，我们就完成了在Python Pandas中执行类似于Excel的countifs操作，计算特定条件下的总数。