千锋扣丁学堂Python培训之pandas的排序和排名的具体使用

2019-07-31 16:32:48 2447浏览

今天千锋扣丁学堂Python培训老师给大家分享一篇关于pandas的排序和排名的具体使用详解，首先有的时候我们可以要根据索引的大小或者值的大小对Series和DataFrame进行排名和排序，下面我们一起来看一下吧。

一、排序

pandas提供了sort_index方法可以根据行或列的索引按照字典的顺序进行排序

a、Series排序

1、按索引进行排序

#定义一个Series
s = Series([1,2,3],index=["a","c","b"])
#对Series的索引进行排序，默认是升序
print(s.sort_index())
'''
a  1
b  3
c  2
'''
#对索引进行降序排序
print(s.sort_index(ascending=False))
'''
c  2
b  3
a  1
'''

2、按值进行排序

s = Series([np.nan,1,7,2,0],index=["a","c","e","b","d"])
#对Series的值进行排序，默认是按值的升序进行排序的
print(s.sort_values())
'''
d  0.0
c  1.0
b  2.0
e  7.0
a  NaN
'''
#对Seires的值进行降序排序
print(s.sort_values(ascending=False))
'''
e  7.0
b  2.0
c  1.0
d  0.0
a  NaN
'''

对值进行排序的时候，无论是升序还是降序，缺失值（NaN）都会排在最后面。

b、DataFrame排序

1、按索引进行排序

a = np.arange(9).reshape(3,3)
data = DataFrame(a,index=["0","2","1"],columns=["c","a","b"])
#按行的索引升序进行排序，默认按行，升序
print(data.sort_index())
'''
  c a b
0 0 1 2
1 6 7 8
2 3 4 5
'''
#按行的索引按降序进行排序
print(data.sort_index(ascending=False))
'''
  c a b
2 3 4 5
1 6 7 8
0 0 1 2
'''
#按列升序的索引进行排序
print(data.sort_index(axis=1))
'''
  a b c
0 1 2 0
2 4 5 3
1 7 8 6
'''
#按列降序的索引进行排序
print(data.sort_index(ascending=False))
'''
  c a b
2 3 4 5
1 6 7 8
0 0 1 2
'''

2、按值进行排序

a = [[9,3,1],[1,2,8],[1,0,5]]
data = DataFrame(a, index=["0", "2", "1"], columns=["c", "a", "b"])
#按指定列的值大小顺序进行排序
print(data.sort_values(by="c"))
'''
  c a b
2 1 2 8
1 1 0 5
0 9 3 1
'''
print(data.sort_values(by=["c","a"]))
'''
  c a b
1 1 0 5
2 1 2 8
0 9 3 1
'''
#按指定行值进行排序
print(data.sort_values(by="0",axis=1))
'''
  b a c
0 1 3 9
2 8 2 1
1 5 0 1

注意：对DataFrame的值进行排序的时候，我们必须要使用by指定某一行（列）或者某几行（列），如果不使用by参数进行指定的时候，就会报TypeError:sort_values()missing1requiredpositionalargument:'by'。使用by参数进行某几列（行）排序的时候，以列表中的第一个为准，可能后面的不会生效，因为有的时候无法做到既对第一行（列）进行升序排序又对第二行（列）进行排序。在指定行值进行排序的时候，必须设置axis=1，不然会报错，因为默认指定的是列索引，找不到这个索引所以报错，axis=1的意思是指定行索引。

二、排名

排名和排序有点类似，排名会有一个排名值（从1开始，一直到数组中有效数据的数量），它与numpy.argsort的间接排序索引差不多，只不过它可以根据某种规则破坏平级关系。

a、Series的排名

s = Series([1,3,2,1,6],index=["a","c","d","b","e"])
#默认是根据值的大小进行平均排名
'''
1是最小的，所以第一个1排在第一，第二个1排在第二
因为取的是平均排名，所以1的排名为1.5
'''
print(s.rank())
'''
a  1.5
c  4.0
d  3.0
b  1.5
e  5.0
'''
#根据值在数组中出现的顺序进行排名
print(s.rank(method="first"))
'''
a  1.0
c  4.0
d  3.0
b  2.0
e  5.0
'''

method参数除了,first按值在原始数据中的出现顺序分配排名，还有min使用整个分组的最小排名，max是用整个分组的最大排名，average使用平均排名，也是默认的排名方式。还可以设置ascending参数，设置降序还是升序排序。

b、DataFrame的排名

a = [[9, 3, 1], [1, 2, 8], [1, 0, 5]]
data = DataFrame(a, index=["0", "2", "1"], columns=["c", "a", "b"])
print(data)
'''
  c a b
0 9 3 1
2 1 2 8
1 1 0 5
'''
#默认按列进行排名
print(data.rank())
'''
   c  a  b
0 3.0 3.0 1.0
2 1.5 2.0 3.0
1 1.5 1.0 2.0
'''
#按行进行排名
print(data.rank(axis=1))
'''
   c  a  b
0 3.0 2.0 1.0
2 1.0 2.0 3.0
1 2.0 1.0 3.0
'''

method参数和ascending参数的设置与Series一样。

以上就是关于千锋扣丁学堂Python培训之pandas的排序和排名的具体使用的全部内容，希望对大家的学习有所帮助，最后想要了解更多关于Python和人工智能方面内容的小伙伴，请关注扣丁学堂Python培训官网、微信等平台，扣丁学堂IT职业在线学习教育平台为您提供权威的Python开发环境搭建视频，Python培训后的前景无限，行业薪资和未来的发展会越来越好的，扣丁学堂老师精心推出的Python视频教程定能让你快速掌握Python从入门到精通开发实战技能。扣丁学堂Python技术交流群：279521237。

                          

      【关注微信公众号获取更多学习资料】         【扫码进入Python全栈开发免费公开课】

查看更多关于"Python开发资讯"的相关文章>