如何用Python打印语句以显示数据帧上数学运算的结果？

所以我有一个简单的按性别划分的销售汇总数据框架：

Gender |    Sales
___________________
M      |    25
F      |    30

我现在只想用Python返回一行，内容是：销售金额的平均差额为16.67%

这就是30-25除以30，再乘以100；我想在末尾加个%号

我试过：

m_sales = df.loc[df['Gender'] == 'M']
f_sales = df.loc[df['Gender'] == 'F']

print('The mean gap in the amount sold is:', m_sales['Sales'] - f_sales['Sales'] / m_sales['Sales'] * 100, '%')

不幸的是，这不起作用。我得到：

销售金额的平均差距为：0 1楠 名称：销售，数据类型：对象%

想一想好吗？我是一个非常初级的人，很抱歉这样一个基本的问题

将

[“Sales”].iloc[0]

附加到筛选表达式中，以直接获取

M

和

F

的值，然后将这些更改也投影到

print（）

函数：

m_sales = df.loc[df['Gender'] == 'M']["Sales"].iloc[0]
f_sales = df.loc[df['Gender'] == 'F']["Sales"].iloc[0]

print('The mean gap in the amount sold is:', (f_sales - m_sales) / f_sales * 100, '%')

---

解释如下：

• df.loc[df['Gender']='M']

  是一个数据帧
• 通过添加

  [“Sales”]

  选择

  “Sales”

  列，您将获得一个系列（仅包含1个元素），并且
• 通过附加

  .iloc[0]

  可以获得该系列的第一个（=唯一的一个）元素

---

注:

您可以使用f-string（用于Python 3.6+）或

.format（）

方法来调整输出，例如

print(f'The mean gap in the amount sold is: {(f_sales - m_sales) / f_sales * 100:.2f}%')

将

[“Sales”].iloc[0]

附加到筛选表达式中，以直接获取

M

和

F

的值，然后将这些更改也投影到

print（）

函数：

m_sales = df.loc[df['Gender'] == 'M']["Sales"].iloc[0]
f_sales = df.loc[df['Gender'] == 'F']["Sales"].iloc[0]

print('The mean gap in the amount sold is:', (f_sales - m_sales) / f_sales * 100, '%')

---

解释如下：

• df.loc[df['Gender']='M']

  是一个数据帧
• 通过添加

  [“Sales”]

  选择

  “Sales”

  列，您将获得一个系列（仅包含1个元素），并且
• 通过附加

  .iloc[0]

  可以获得该系列的第一个（=唯一的一个）元素

---

注:

您可以使用f-string（用于Python 3.6+）或

.format（）

方法来调整输出，例如

print(f'The mean gap in the amount sold is: {(f_sales - m_sales) / f_sales * 100:.2f}%')

---

好的，您希望能够直接按性别对销售进行索引（使用

.loc[]

），因此我们使用

index\u col=[0]

读取您的数据帧，将索引设置为

gender

列，然后

square=True

将剩余的1列数据帧缩减为一个系列

然后我使用一个f字符串进行格式化。注意，我们可以将表达式内联到f字符串中：

import pandas as pd
from io import StringIO    

dat = """\
Gender |    Sales
___________________
M      |    25
F      |    30
"""

sl = pd.read_csv(StringIO(dat), sep='\s*\|\s*', skiprows=[1], index_col=[0],
    engine='python', squeeze=True)

#               Sales
# Gender            
# M               25
# F               30

print(f"The mean gap in the amount sold is: {100.*(1 - sl.loc['M']/sl.loc['F']):.2f}%")
# The mean gap in the amount sold is: 16.67%

# ...but f-strings even have a datatype for percent: `:.2%`, so we don't need the `100. * (...)` boilerplate.
print(f"The mean gap in the amount sold is: {(1 - sl.loc['M']/sl.loc['F']):.2%}")
The mean gap in the amount sold is: 16.67%

---

…如果你想更进一步，减少df->Series->dict，那么就做

sl.to_dict（）

，现在你可以直接引用

sl['M']/sl['F']

，就像你可能想的那样（显然我们失去了一个系列中所有丰富的方法）。

好的，你想直接按性别索引你的销售额吗（使用

.loc[]

），因此我们使用

index\u col=[0]

读取您的数据帧，将索引设置为

Gender

列，然后

squeak=True

将剩余的1列数据帧缩减为一个系列

然后我使用f字符串进行格式化。注意，我们可以将表达式内联到f字符串中：

import pandas as pd
from io import StringIO    

dat = """\
Gender |    Sales
___________________
M      |    25
F      |    30
"""

sl = pd.read_csv(StringIO(dat), sep='\s*\|\s*', skiprows=[1], index_col=[0],
    engine='python', squeeze=True)

#               Sales
# Gender            
# M               25
# F               30

print(f"The mean gap in the amount sold is: {100.*(1 - sl.loc['M']/sl.loc['F']):.2f}%")
# The mean gap in the amount sold is: 16.67%

# ...but f-strings even have a datatype for percent: `:.2%`, so we don't need the `100. * (...)` boilerplate.
print(f"The mean gap in the amount sold is: {(1 - sl.loc['M']/sl.loc['F']):.2%}")
The mean gap in the amount sold is: 16.67%

---

…如果你想更进一步，减少df->Series->dict，请执行

sl.to_dict（）

，现在你可以直接引用

sl['M']/sl['F']

，就像你可能想的那样（显然，我们失去了一系列丰富的方法。）

似乎是一种直截了当的

loc

用法。你试过了吗？这很简单。你试过什么东西了，你在哪里卡住了？你必须试一下自己的代码并发布它。这是不允许的，所以只发布一个规范并让其他人为你编写代码。这回答了你的问题吗？@smci-道歉并不是为了j保持原样，我很匆忙，忘了写我自己的代码。我已经更新了我的查询。@thatrockbottomprogrammer-否-我已经使用了

groupby（）

和

mean（）

在我之前的数据集上，为了计算平均销售额，我遇到的问题是打印出我的结果，正如我上面所解释的。这似乎是一个简单的用法。你尝试过吗？这很容易。你尝试过什么东西，你在哪里遇到的问题？你必须尝试自己的代码并发布。这是不允许的因此，只需发布一个规范并请其他人为您编写代码。这回答了您的问题吗？@smci-道歉并不是要让它保持原样，而是匆忙地忘记编写自己的代码。已更新了我的查询。@thatrockbottomprogrammer-否-我已经使用了

groupby（）

和

mean（）

在我之前计算平均销售额的数据集上，我遇到的问题是打印出我的结果，正如我上面所解释的。这很有意义-谢谢，我可以看到我缺少的内容。但是，我得到以下错误：--------------------------------------------------------------TypeError2 f_sales=df.loc[df['Gender']='f'][“sales”].iloc[0]3-->4 print中的回溯（最近一次调用上次）类型错误：不支持的操作数类型对于-：'str'和'str'我测试了它，它工作正常。您的列“Sales”中可能有字符串值（尝试

df.dtypes

查看列的数据类型）。使用

int（）

或

float（）

函数将

m\u Sales

和

f\u Sales

的选定值转换为数字：

m\u Sales=int（m_sales）

；

f_sales=int（f_sales）

打印（）之前函数。是的-我想当我在沙盒中测试它时，我生成了一个新的数据框，但忘记了检查数据类型。工作起来很有魅力-特别感谢你如此简洁明了的解释-真的帮助了像我这样的初学者！非常有意义-谢谢你，我可以看到我遗漏了什么。但是，我得到了以下错误r:---------------------------------------------------------