Python 3.x 如何在列范围内对观察结果进行分组？

我有一个专栏名为

Age

如何打印每个年龄组的观察次数

Example age groups:   

20 - 25
25 - 30
30 - 35
35 - 40
40 - 45
50 - 50 

Age Column

11
7
49
31
16
33
55
47

当然，我可以在loc语句中使用print with conditional，但这实在是太冗长了。 还有更好的办法吗

print(myDataFrame.loc[(myDataFrame.Age >= 20) & (myDataFrame.Age < 30)].count)

print(myDataFrame.loc[(myDataFrame.Age >= 30) & (myDataFrame.Age < 40)].count)

print(myDataFrame.loc[(myDataFrame.Age >= 40) & (myDataFrame.Age < 50)].count)

打印（myDataFrame.loc[（myDataFrame.Age>=20）和（myDataFrame.Age<30）].count）
打印（myDataFrame.loc[（myDataFrame.Age>=30）和（myDataFrame.Age<40）].count）
打印（myDataFrame.loc[（myDataFrame.Age>=40）和（myDataFrame.Age<50）].count）

一种方法，您可以使用

pd.Series.value\u计数

和

bin

参数：

df['Age Column'].value_counts(bins=[0,10,20,30,40,50,60], sort=False)

输出：

(-0.001, 10.0]    1
(10.0, 20.0]      2
(20.0, 30.0]      0
(30.0, 40.0]      2
(40.0, 50.0]      2
(50.0, 60.0]      1
Name: Age Column, dtype: int64

0-10     1
11-20    2
21-30    0
31-40    2
41-50    2
51-60    1
Name: Age Column, dtype: int64

如果要控制更多，可以使用pd.cut和value_计数：

s = pd.cut(df['Age Column'], bins=[0,10,20,30,40,50,60], labels=['0-10', '11-20', '21-30', '31-40', '41-50', '51-60'])
s.value_counts(sort=False)

输出：

(-0.001, 10.0]    1
(10.0, 20.0]      2
(20.0, 30.0]      0
(30.0, 40.0]      2
(40.0, 50.0]      2
(50.0, 60.0]      1
Name: Age Column, dtype: int64

0-10     1
11-20    2
21-30    0
31-40    2
41-50    2
51-60    1
Name: Age Column, dtype: int64

---

问题是

value\u计数

只返回唯一的值。如果我有33,15,33会怎么样？只算33次？不算。。。。它计算该值的数目。试试看

pd.Series（[33,12,33]）.value_counts（）

That's beautiful:）我如何在同一行上为您的解决方案添加一个条件，即性别==myDataFrame中的男性？我通常的做法是创建新变量

malesDF=myDataFrame.loc[（myDataFrame.Gender=='Male'）]

@bibscy。。。是的，这是正确的。首先筛选列以获取所需的值，然后使用值\计数并重命名结果以匹配筛选结果。