尝试查找特定范围内的出现次数

Question

我已经导入了一个CSV文件，包括grad_year，grad_major，grad_gender，gpa等研究生数据。

我们的目标是获得排名前100的GPA，并确定GPA排名前100的毕业生中有多少是女性

我试着对GPA排名前100位的数据进行排序，但之后我被困在了如何从这一点过滤女性的问题上

import pandas as pd 

grads_df = pd.read_csv('Users/Sas0908/Downloads/grads.csv')

sort_gpa = grads_df.sort_values(by=['gpa']).tail(100)

在这里，我被卡住了，因为我不确定如何才能只过滤那些grad_gender ==为“Female”的实体的sort_gpa

Answer 1

使用锁定函数https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.loc.html

sort_gpa.loc[sort_gpa['grad_gender']=='Female']

Answer 2

要获得按GPA排序的前100名，除了您还可以传递一个额外的参数ascending来更改排序顺序之外，您的方法是正确的：

# sort with highest GPAs appearing at the top
sort_gpa.sort_values(by='gpa', ascending=False)

要获取DataFrame的前100行，可以使用head (或像处理后100行一样使用tail )。但另一种常见的方法是使用.iloc，它允许您按位置抓取行：

# gets the first 100 rows, positions 0 thru 99
sort_gpa.iloc[:100]

最后，你想知道女性和男性的数量，你可以在一个列上使用.value_counts()：

# returns the counts of all values that appear in the column
sort_gpa['grad_gender'].value_counts()

把所有这些放在一起，你就有了：

top_100 = sort_gpa.sort_values(by='gpa', ascending=False).iloc[:100]
top_100['grad_gender'].value_counts()