Python 如何用Numpy而不是Pandas计算满足条件的和

我有一个数据框，有4列（姓名、性别、出生人数），我想计算女性和男性的总数，我必须按性别分组。 我已经对熊猫这样做过：

names1880.groupby（['Gender']）.sum（）

我有一个像这样的输出

Gender----|----Births
F         |    166868
----------|------------
M         |    120851

---

但是现在我必须用Numpy而不是Pandas来做。如果你使用出生计数作为权重，bincount是一个很好的工具。但是

bincount

要求类别为整数。如果您首先为每个性别创建一个具有不同整数的数组，那么您可以在numpy中执行此操作，如下所示：

import pandas as pd
import numpy as np

names1880 = pd.DataFrame({
    'Name': ['Walter', 'Roger', 'Jane', 'Imelda'],
    'Gender': ['Male', 'Male', 'Female', 'Female'],
    'Births': [100, 200, 120, 220]
})

gender_names, gender_codes = np.unique(
    names1880['Gender'], return_inverse=True
)
print(gender_names)
print(np.bincount(gender_codes, weights=names1880['Births']))

# ['Female' 'Male']
# [340. 300.]

---

将pandas DataFrame转换为numpy结构化阵列时，请参考此SO答案：

结果:

female 6
male 3

---

最后，我简单地做到了： 要计算所有出生人数：

All_births = names1880.sum()

为了过滤，我做了如下工作：

names1880[names1880['Gender'] == "F"].sum()

及

---

谢谢，但它不工作，我有一个错误：ValueError:无法将字符串转换为float:'F'。我必须计算变量的总和而不是计数：'（@SarahKraiem我先添加了一些代码来对性别进行分类，这样bincount就可以使用它们了。请注意，如果使用出生计数作为权重，bincount将计算出生计数的总和。试试这个

np.unique（a，return\u counts=True）

也看看这是否有帮助

names1880[names1880['Gender'] == "F"].sum()

names1880[names1880['Gender'] == "M"].sum()