再看看数据： In [10]:dt.head(3) 0ut[101: Cause CauseCN Code-ICD-10-113 Age Gender Year Deaths Population Crude Rate 0 Salmonella infections沙r门氏菌染Gn113-001 2005 1956682 Unreliable 1 GA113-001 0 2010 1 1829677 Unreliable 2 Salmonella infections沙门氏感染G113-001 /0 20153 1942904 Urreliable 2005,2010,2015死亡人数分别为多少？ 我们先按照年份远行分组，然后对死亡数列求和，就可以得到每年的死亡敌 In [11]:by_year df.groupby('Year").Deaths.sum() by year 0u[111:05 2143662 2010 7107234 2015 2294942 Name:Deaths,dtype:int64 然后，我们可以把它们绘制成直方图，绘图的时候是在数据集上直接调用plot 的方法，kind表示绘制的图形的样子，bar就表示是直方图。 In [12]:by year.plot(kind -"bar') Out[12]:<matplotlib.axes.subplots.Axessubplot at 0x111f915c0> 下面对比男性和女性的死亡率，我们把2015年的数据提取出来，按照性别 进行分组，然后分别统计死亡人数。我们可以看到这是统计的结果，同样我们可 以把统计的结果绘制成直方图。 在2015年，哪个性别死亡率更高？ In [14]:df2015 df[df.Year =2015] df2015\ ,groupby《"Gender")\ .Deaths\ .n(】 out[14]:Gender 1103789 5 Name:Deaths. dtype:int64然后，我们可以把它们绘制成直方图，绘图的时候是在数据集上直接调用瀃濿瀂t 的方法，濾i瀁d 表示绘制的图形的样子，bar 就表示是直方图。 下面对比男性和女性的死亡率，我们把 2015 年的数据提取出来，按照性别 进行分组，然后分别统计死亡人数。我们可以看到这是统计的结果，同样我们可 以把统计的结果绘制成直方图