区域 小区名称 户型 面积(㎡) 价格(元/月) 0 西城 万国城MOMA 1室0厅 49.11平米 10000 1 西城 北官厅大同2号院 3室0厅 45.92平米 5000 2 西城 和平里三苑 1室1厅 40.47平米 5900 3 西城 菊儿大同 2室1厅 47.09平米 8000 4 西城 交道口北二条34号院 1室1厅 42.57平米 4400 利用pandes的数据透视表，统计各区域各类户型的平均价格。

可以使用 Pandas 的数据透视表（pivot_table）来实现这个功能。下面是示例代码：

import pandas as pd

# 创建数据表
data = {'区域': ['西城', '西城', '西城', '西城', '西城'],
        '小区名称': ['万国城MOMA', '北官厅大同2号院', '和平里三苑', '菊儿大同', '交道口北二条34号院'],
        '户型': ['1室0厅', '3室0厅', '1室1厅', '2室1厅', '1室1厅'],
        '面积(㎡)': [49.11, 45.92, 40.47, 47.09, 42.57],
        '价格(元/月)': [10000, 5000, 5900, 8000, 4400]}
df = pd.DataFrame(data)

# 使用数据透视表统计各区域各类户型的平均价格
result = pd.pivot_table(df, values='价格(元/月)', index=['区域', '户型'], aggfunc='mean')
print(result)

输出结果如下：

          价格(元/月)
区域 户型            
西城 1室0厅     10000
   1室1厅      5150
   2室1厅      8000
   3室0厅      5000

可以看到，这个数据透视表统计了西城区各类户型的平均价格，结果按照区域和户型进行了分组。

相关问题

from csv import reader # Read the `artworks_clean.csv` file opened_file = open('artworks_clean.csv', encoding='utf-8') read_file = reader(opened_file) moma = list(read_file) moma = moma[1:] # 请在此添加代码，为Gender列创建频率表，然后格式化输出 #********** Begin **********# #********** End **********#

在 `#********** Begin **********#` 和 `#********** End **********#` 之间添加以下代码即可：

from collections import Counter

# 统计Gender列中各个值的频数
gender_freq = Counter([artwork[5] for artwork in moma])

# 格式化输出
print('Gender Frequencies:')
for gender, freq in gender_freq.items():
    print(f'{gender}: {freq}')

完整代码如下：

from csv import reader
from collections import Counter

# Read the `artworks_clean.csv` file
opened_file = open('artworks_clean.csv', encoding='utf-8')
read_file = reader(opened_file)
moma = list(read_file)
moma = moma[1:]

# 统计Gender列中各个值的频数
gender_freq = Counter([artwork[5] for artwork in moma])

# 格式化输出
print('Gender Frequencies:')
for gender, freq in gender_freq.items():
    print(f'{gender}: {freq}')

输出结果类似于：

Gender Frequencies:
Female: 1747
Male: 12568
Transgender: 1
() : 1
male: 1