根据 pandas 中其他列的值计算捐款总额答案

【问题标题】：Calculate sum of donation money based on value in other column in pandas根据 pandas 中其他列的值计算捐款总额
【发布时间】：2021-12-12 07:12:56
【问题描述】：

我正在尝试计算来自房地产行业的活动贡献数据的货币总和。

realestate_counter = 0
realestate_donations = 0
for row in range(df.shape[0]): #for each row in the dataframe
    if 'realestate' in df.iloc[row]['Occupation']:
        realestate_donations = realestate_donations + int(row)
        print(df.iloc[row]['Amount'])
        realestate_counter = realestate_counter + 1
#         print('-------')
print('$' + str(realestate_donations) +' was doanted from the real estate industry.')
print('There are ' + str(realestate_counter) +' Real Estate donors.')

我的数据框有多种职业，但我只对房地产感兴趣。代码块打印职业为realestate的捐赠值并尝试求和。

我将print(df.iloc[row]['Amount]) 打印的数字粘贴到 Google 表格中并在其中求和。

这个数量与这行代码计算的数量大不相同ealestate_donations = realestate_donations + int(row)

谷歌表格：72200

我的代码：23973

我怀疑我的代码在某处出错，而 Google 表格是准确的。

我已经复制了下面的整个打印输出：

500.0
200.0
1000.0
1000.0
1000.0
1000.0
100.0
50.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
1000.0
-1000.0
1000.0
-1000.0
-1000.0
1000.0
1000.0
1000.0
1000.0
500.0
300.0
100.0
1000.0
1000.0
1000.0
1000.0
100.0
250.0
100.0
250.0
250.0
500.0
1000.0
$23973 was doanted from the real estate industry.
There are 88 Real Estate donors.

【问题讨论】：

我认为在 realestate_donation 中，你正在总结你想要的行的位置编号，就像你做的那样 + int(row) 和 row 似乎是索引号，也许你在 realestate_donations = realestate_donations + int(df.iloc[row]['Amount']) 之后。也就是说，这样的实现真的很慢，Jonathan Leon 的答案要好得多
这确实是问题所在。谢谢！

标签： python pandas dataframe data-cleaning

【解决方案1】：

这是一个精简的示例，但应该可以满足您的需求

df = pd.DataFrame({'occupation':['real estate','real estate','real estate','banker','baker'], 'donation':range(11,16)})

    occupation  donation
0  real estate        11
1  real estate        12
2  real estate        13
3       banker        14
4        baker        15

# filter on occupation
df[df['occupation']=='real estate']

    occupation  donation
0  real estate        11
1  real estate        12
2  real estate        13

# sum of all donations
df[df['occupation']=='real estate']['donation'].sum()

36

# count of all donations
df[df['occupation']=='real estate']['donation'].count()

3

分组比较

df.groupby('occupation').sum()

             donation
occupation
baker              15
banker             14
real estate        36

df.groupby('occupation').count()

             donation
occupation
baker               1
banker              1
real estate         3

【讨论】：