进阶查询统计

• 加载数据文件

    pd_score = pd.read_excel("score.xlsx")
  

• 计算平均值

    pd_score.mean(axis=1)
  

  当列数一致的情况下，我们想将将平均成绩添加上去，我们可以这样写：

    pd_score['平均成绩'] = pd_score.mean(axis=1)
  

  

  其中,mean(axis=1)是计算每一行的平均值,mean(axis=0)是计算每一列的平均值

• 计算总和

    pd_score.sum(axis=1)
  

  同样可以将总成绩这一栏添加到表单里面：

    pd_score["总成绩"] = pd_score.sum(axis=1)
  

• 选取最高值那项的信息

    pd_score.iloc[pd_score['总成绩'].idxmax()] #将总成绩最高的同学所有信息选出
  

  关于iloc和loc去看上一篇文章

• 分组计算

    pd_score.loc[:,['性别','音乐']].groupby('性别').sum() #根据性别分组，计算出各个组别的总成绩
  

• 创建备份
  

    pd_score_copy = pd_score.copy() #创建原始表的备份，使修改不会影响原始表
  

• 修改数据
  

    pd_score_copy.loc[:,['数学']].apply(lambda x:x+2) #对选出结果中的每一个元素应用匿名函数，改变结果
  

  当然，上面的操作我们仅仅是在我们刚才拷贝的数据上进行的操作，我们的需求是在原有的数据上进行操作，所以：

    pd_score_copy['数学'] = pd_score_copy.loc[:,['数学']].apply(lambda x:x+2) #修改原始数据的值
    `
  

  

• 统计
  我们可以使用agg来统计出我需要的值：

    pd_score_copy['体育'].agg(['max','min','mean','std']) #agg中填写系统中有的统计函数，agg函数可以一次计算出所有结果