pandas的排序和排名的具體使用

更新時間：2019年07月31日 14:46:26 作者：修煉之路

這篇文章主要介紹了pandas的排序和排名的具體使用，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧

有的時候我們可以要根據(jù)索引的大小或者值的大小對Series和DataFrame進行排名和排序。

一、排序

pandas提供了sort_index方法可以根據(jù)行或列的索引按照字典的順序進行排序

a、Series排序

1、按索引進行排序

  #定義一個Series
  s = Series([1,2,3],index=["a","c","b"])
  #對Series的索引進行排序，默認是升序
  print(s.sort_index())
  '''
  a  1
  b  3
  c  2
  '''
  #對索引進行降序排序
  print(s.sort_index(ascending=False))
  '''
  c  2
  b  3
  a  1
  '''

2、按值進行排序

  s = Series([np.nan,1,7,2,0],index=["a","c","e","b","d"])
  #對Series的值進行排序，默認是按值的升序進行排序的
  print(s.sort_values())
  '''
  d  0.0
  c  1.0
  b  2.0
  e  7.0
  a  NaN
  '''
  #對Seires的值進行降序排序
  print(s.sort_values(ascending=False))
  '''
  e  7.0
  b  2.0
  c  1.0
  d  0.0
  a  NaN
  '''

對值進行排序的時候，無論是升序還是降序，缺失值（NaN）都會排在最后面。

b、DataFrame排序

1、按索引進行排序

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

2、按值進行排序

  a = [[9,3,1],[1,2,8],[1,0,5]]
  data = DataFrame(a, index=["0", "2", "1"], columns=["c", "a", "b"])
  #按指定列的值大小順序進行排序
  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
  '''
  #按指定行值進行排序
  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：對DataFrame的值進行排序的時候，我們必須要使用by指定某一行（列）或者某幾行（列），如果不使用by參數(shù)進行指定的時候，就會報TypeError: sort_values() missing 1 required positional argument: 'by'。使用by參數(shù)進行某幾列（行）排序的時候，以列表中的第一個為準，可能后面的不會生效，因為有的時候無法做到既對第一行（列）進行升序排序又對第二行（列）進行排序。在指定行值進行排序的時候，必須設置axis=1，不然會報錯，因為默認指定的是列索引，找不到這個索引所以報錯，axis=1的意思是指定行索引。

二、排名

排名和排序有點類似，排名會有一個排名值（從1開始，一直到數(shù)組中有效數(shù)據(jù)的數(shù)量），它與numpy.argsort的間接排序索引差不多，只不過它可以根據(jù)某種規(guī)則破壞平級關系。

a、Series的排名

  s = Series([1,3,2,1,6],index=["a","c","d","b","e"])
  #默認是根據(jù)值的大小進行平均排名
  '''
  1是最小的，所以第一個1排在第一，第二個1排在第二
  因為取的是平均排名，所以1的排名為1.5
  '''
  print(s.rank())
  '''
  a  1.5
  c  4.0
  d  3.0
  b  1.5
  e  5.0
  '''
  #根據(jù)值在數(shù)組中出現(xiàn)的順序進行排名
  print(s.rank(method="first"))
  '''
  a  1.0
  c  4.0
  d  3.0
  b  2.0
  e  5.0
  '''

method參數(shù)除了,first按值在原始數(shù)據(jù)中的出現(xiàn)順序分配排名，還有min使用整個分組的最小排名，max是用整個分組的最大排名，average使用平均排名，也是默認的排名方式。還可以設置ascending參數(shù)，設置降序還是升序排序。

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
  '''
  #默認按列進行排名
  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
  '''
  #按行進行排名
  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參數(shù)和ascending參數(shù)的設置與Series一樣。

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: