Всем привет. Снова у меня вопрос по Pandas. Имеются данные в CSV. По задаче есть 3 признака salary - это заработок далее пол sex и семейное положение marital-status . Мне необходимо посчитать среди кого больше тех кто зарабатывает >50K среди женатых или холостых мужчин. Те кто женатые в признаке marital-staus имеют следующие значения: Married-civ-spouse, Married-spouse-absent или Married-AF-spouse . Следовательно остальные значения в признаке marital-staus означают что холост.
Для удобства я выведу только те признаки из таблицы с которыми нужно работать:
df = pd.read_csv('adult.data.csv', usecols=['sex', 'salary', 'marital-status'])
Далее я могу увидеть сколько мужчин зарабатывающих более 50К имеющих нужные мне семейные положения наблюдаются в данных
df[(df['sex'] == 'Male') & (df['salary'] == '>50K')]['marital-status'].value_counts().loc[['Married-civ-spouse', 'Married-spouse-absent', 'Married-AF-spouse']]
Также можно по каждому отдельно взятому значению семейному положению получить необходимый результат
df = df[(df['sex'] == 'Male') & (df['salary'] == '>50K')]['marital-status'].value_counts().loc['Never-married']
Таким образом я могу получить кол во мужчин зарабатывающих >50K и имеющих определённое семейное положение. Далее получить кол во уже с другими семейными положениями и посчитать кого из них больше. Но думаю так как я хочу решить , это не правильно. 100% есть более адекватный метод. Подскажите как лучше сделать, уверен что можно одной строчкой.
Ссылка на файл csv https://yadi.sk/d/qG6JiaqlWgBV5A