1. 计算布尔值统计信息

  1. #  读取movie，设定行索引是movie_title
  2.  In[2]: pd.options.display.max_columns = 50
  3.  In[3]: movie = pd.read_csv('data/movie.csv', index_col='movie_title')
  4.         movie.head()
  5. Out[3]:

1. 计算布尔值统计信息 - 图1

  1. #  判断电影时长是否超过两小时
  2.  In[4]: movie_2_hours = movie['duration'] > 120
  3.         movie_2_hours.head(10)
  4. Out[4]: movie_title
  5.         Avatar                                         True
  6.         Pirates of the Caribbean: At World's End       True
  7.         Spectre                                        True
  8.         The Dark Knight Rises                          True
  9.         Star Wars: Episode VII - The Force Awakens    False
  10.         John Carter                                    True
  11.         Spider-Man 3                                   True
  12.         Tangled                                       False
  13.         Avengers: Age of Ultron                        True
  14.         Harry Potter and the Half-Blood Prince         True
  15.         Name: duration, dtype: bool
  1. #  有多少时长超过两小时的电影
  2.  In[5]: movie_2_hours.sum()
  3. Out[5]: 1039
  1. #  超过两小时的电影的比例
  2.  In[6]: movie_2_hours.mean()
  3. Out[6]: 0.21135069161920261
  1. #  用describe()输出一些该布尔Series信息
  2.  In[7]: movie_2_hours.describe()
  3. Out[7]: count      4916
  4.         unique        2
  5.         top       False
  6.         freq       3877
  7.         Name: duration, dtype: object
  1. #  实际上，dureation这列是有缺失值的，要想获得真正的超过两小时的电影的比例，需要先删掉缺失值
  2.  In[8]: movie['duration'].dropna().gt(120).mean()
  3. Out[8]: 0.21199755152009794

原理

  1. #  统计False和True值的比例
  2.  In[9]: movie_2_hours.value_counts(normalize=True)
  3. Out[9]: False    0.788649
  4.         True     0.211351
  5.         Name: duration, dtype: float64

更多

  1. #  比较同一个DataFrame中的两列
  2.  In[10]: actors = movie[['actor_1_facebook_likes', 'actor_2_facebook_likes']].dropna()
  3.          (actors['actor_1_facebook_likes'] > actors['actor_2_facebook_likes']).mean()
  4. Out[10]: 0.97776871303283708