在python3中查询df

Question

我有一个棒球数据df，其中一些列名是：

“游戏”( 2020

• "PlayerID“

1. )--指玩家在那一年玩过的游戏数量，而
2. 的”年份“--包含了1990年到之间的值--并不是唯一的。基本上显示哪一位球员在“
   1. ”本垒打的年份中为哪一支“球队”打球--那一年被该球员击中的次数。

我想知道：

1. ，他拥有最多的本垒打数，其游戏数量大于100。
2. ，哪个列/特性与“本垒打”

的相关性最高。

数据以csv文件的形式出现。

​

​

Answer 1

看起来您可以使用groupby和transform方法聚合一些数据。您还可以导入和使用SQL查询dataframe的pandasql库。链接到类似的问题：Run sql query on pandas dataframe

Answer 2

1. df = df[df['Games'] >= 100]将只保留100多个游戏的线。然后df['Home Runs'].max()会给出最大数字.

在

1. 中查找df.corr()['Home Runs']中的最大值(不包括Home Runs) (可能使用.idxmax())应该会给出最相关的列。

注意:您可能必须先进行一些聚合，比如df = df.groupby(['PlayerID']).sum()来获取职业统计数据，而不是年份统计数据，但是您说PlayerID不是唯一的标识符，所以您可能需要对此进行更深入的研究。.sum()聚合只对Games和Home Runs有意义，因此，如果在其他计算中需要Year列，请小心。