欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

pandas.DataFrame Series排序的使用(sort_values,sort_index)

 更新時間:2023年02月23日 09:36:59   作者:餃子大人  
本文主要介紹了pandas.DataFrame Series排序的使用(sort_values,sort_index),文中通過示例代碼介紹的非常詳細,對大家的學(xué)習或者工作具有一定的參考學(xué)習價值,需要的朋友們下面隨著小編來一起學(xué)習學(xué)習吧

要對pandas.DataFrame和pandas.Series進行排序,可以使用sort_values()和sort_index()方法。

請注意,舊版本中存在的sort()方法已廢棄。

按元素排序sort_values()

  • 升序,降序(參數(shù)ascending)
  • 多列排序
  • 缺失值NaN的處理(參數(shù)na_position)
  • 更改原始對象(參數(shù)inplace)

按行方向排序(參數(shù)axis)

  • 按索引排序(行名/列名)sort_index()
  • 按行名索引排序
  • 升序,降序(參數(shù)ascending)
  • 更改原始對象(參數(shù)inplace)
  • 按列名列排序(參數(shù)axis)

以以下數(shù)據(jù)為例。

import pandas as pd

df = pd.read_csv('./data/17/sample_pandas_normal.csv')
print(df)
# ? ? ? name ?age state ?point
# 0 ? ?Alice ? 24 ? ?NY ? ? 64
# 1 ? ? ?Bob ? 42 ? ?CA ? ? 92
# 2 ?Charlie ? 18 ? ?CA ? ? 70
# 3 ? ? Dave ? 68 ? ?TX ? ? 70
# 4 ? ?Ellen ? 24 ? ?CA ? ? 88
# 5 ? ?Frank ? 30 ? ?NY ? ? 57

示例是pandas.DataFrame,但是pandas.Series也具有sort_values()和sort_index(),因此用法是相同的。

按元素排序sort_values()

使用sort_values()方法根據(jù)元素值進行排序。

在第一個參數(shù)(by)中指定要排序的列的標簽(列名)。

df_s = df.sort_values('state')
print(df_s)
#       name  age state  point
# 1      Bob   42    CA     92
# 2  Charlie   18    CA     70
# 4    Ellen   24    CA     88
# 0    Alice   24    NY     64
# 5    Frank   30    NY     57
# 3     Dave   68    TX     70

升序,降序(參數(shù)ascending)

默認為升序。如果要使用降序,請將升序參數(shù)設(shè)置為False。

df_s = df.sort_values('state', ascending=False)
print(df_s)
#       name  age state  point
# 3     Dave   68    TX     70
# 0    Alice   24    NY     64
# 5    Frank   30    NY     57
# 1      Bob   42    CA     92
# 2  Charlie   18    CA     70
# 4    Ellen   24    CA     88

多列排序

如果將第一個參數(shù)指定為列表,則可以按多列排序。

從列表的后面開始順序排序的圖像。最后,它按列表中的第一列排序。

df_s = df.sort_values(['state', 'age'])
print(df_s)
# ? ? ? name ?age state ?point
# 2 ?Charlie ? 18 ? ?CA ? ? 70
# 4 ? ?Ellen ? 24 ? ?CA ? ? 88
# 1 ? ? ?Bob ? 42 ? ?CA ? ? 92
# 0 ? ?Alice ? 24 ? ?NY ? ? 64
# 5 ? ?Frank ? 30 ? ?NY ? ? 57
# 3 ? ? Dave ? 68 ? ?TX ? ? 70

df_s = df.sort_values(['age', 'state'])
print(df_s)
# ? ? ? name ?age state ?point
# 2 ?Charlie ? 18 ? ?CA ? ? 70
# 4 ? ?Ellen ? 24 ? ?CA ? ? 88
# 0 ? ?Alice ? 24 ? ?NY ? ? 64
# 5 ? ?Frank ? 30 ? ?NY ? ? 57
# 1 ? ? ?Bob ? 42 ? ?CA ? ? 92
# 3 ? ? Dave ? 68 ? ?TX ? ? 70

如果將升序參數(shù)指定為列表,則可以為每列選擇升序或降序。

df_s = df.sort_values(['age', 'state'], ascending=[True, False])
print(df_s)
#       name  age state  point
# 2  Charlie   18    CA     70
# 0    Alice   24    NY     64
# 4    Ellen   24    CA     88
# 5    Frank   30    NY     57
# 1      Bob   42    CA     92
# 3     Dave   68    TX     70

缺失值NaN的處理(參數(shù)na_position)

如果缺少值NaN,則默認情況下將對其排序。

df_nan = df.copy()
df_nan.iloc[:2, 1] = pd.np.nan
print(df_nan)
# ? ? ? name ? age state ?point
# 0 ? ?Alice ? NaN ? ?NY ? ? 64
# 1 ? ? ?Bob ? NaN ? ?CA ? ? 92
# 2 ?Charlie ?18.0 ? ?CA ? ? 70
# 3 ? ? Dave ?68.0 ? ?TX ? ? 70
# 4 ? ?Ellen ?24.0 ? ?CA ? ? 88
# 5 ? ?Frank ?30.0 ? ?NY ? ? 57

df_nan_s = df_nan.sort_values('age')
print(df_nan_s)
# ? ? ? name ? age state ?point
# 2 ?Charlie ?18.0 ? ?CA ? ? 70
# 4 ? ?Ellen ?24.0 ? ?CA ? ? 88
# 5 ? ?Frank ?30.0 ? ?NY ? ? 57
# 3 ? ? Dave ?68.0 ? ?TX ? ? 70
# 0 ? ?Alice ? NaN ? ?NY ? ? 64
# 1 ? ? ?Bob ? NaN ? ?CA ? ? 92

如果參數(shù)na_position =‘first’,它將被安排在開頭。

df_nan_s = df_nan.sort_values('age', na_position='first')
print(df_nan_s)
#       name   age state  point
# 0    Alice   NaN    NY     64
# 1      Bob   NaN    CA     92
# 2  Charlie  18.0    CA     70
# 4    Ellen  24.0    CA     88
# 5    Frank  30.0    NY     57
# 3     Dave  68.0    TX     70

要刪除缺少的值或?qū)⑵涮鎿Q為另一個值,請參閱以下文章。

Pandas刪除,替換并提取其中的缺失值NaN(dropna,fillna,isnull)

更改原始對象(參數(shù)inplace)

默認情況下,將返回一個新的排序?qū)ο螅侨绻鹖nplace參數(shù)為True,則原始對象本身將被更改。

df.sort_values('state', inplace=True)
print(df)
#       name  age state  point
# 1      Bob   42    CA     92
# 2  Charlie   18    CA     70
# 4    Ellen   24    CA     88
# 0    Alice   24    NY     64
# 5    Frank   30    NY     57
# 3     Dave   68    TX     70

按行方向排序(參數(shù)axis)

與前面的示例一樣,默認排序為列(垂直)。

如果要按行方向排序,請將參數(shù)軸設(shè)置為1。其他參數(shù)與前面的示例相同。

由于如果數(shù)值和字符串混合使用會發(fā)生錯誤,因此在此處刪除字符串列,僅顯示數(shù)值列。有關(guān)drop()方法,請參見以下文章。

Pandas.DataFrame刪除指定行和列(drop

df_d = df.drop(['name', 'state'], axis=1)
print(df_d)
# ? ?age ?point
# 1 ? 42 ? ? 92
# 2 ? 18 ? ? 70
# 4 ? 24 ? ? 88
# 0 ? 24 ? ? 64
# 5 ? 30 ? ? 57
# 3 ? 68 ? ? 70

df_d .sort_values(by=1, axis=1, ascending=False, inplace=True)
print(df_d)
# ? ?point ?age
# 1 ? ? 92 ? 42
# 2 ? ? 70 ? 18
# 4 ? ? 88 ? 24
# 0 ? ? 64 ? 24
# 5 ? ? 57 ? 30
# 3 ? ? 70 ? 68

按索引排序(行名/列名)sort_index()

使用sort_index()方法按索引(行名/列名)排序。

按行名索引排序

默認情況下,sort_index()根據(jù)行名在列方向(垂直方向)上排序。

print(df)
# ? ? ? name ?age state ?point
# 1 ? ? ?Bob ? 42 ? ?CA ? ? 92
# 2 ?Charlie ? 18 ? ?CA ? ? 70
# 4 ? ?Ellen ? 24 ? ?CA ? ? 88
# 0 ? ?Alice ? 24 ? ?NY ? ? 64
# 5 ? ?Frank ? 30 ? ?NY ? ? 57
# 3 ? ? Dave ? 68 ? ?TX ? ? 70

df_s = df.sort_index()
print(df_s)
# ? ? ? name ?age state ?point
# 0 ? ?Alice ? 24 ? ?NY ? ? 64
# 1 ? ? ?Bob ? 42 ? ?CA ? ? 92
# 2 ?Charlie ? 18 ? ?CA ? ? 70
# 3 ? ? Dave ? 68 ? ?TX ? ? 70
# 4 ? ?Ellen ? 24 ? ?CA ? ? 88
# 5 ? ?Frank ? 30 ? ?NY ? ? 57

升序,降序(參數(shù)ascending)

與sort_values()一樣,默認值為升序。如果要使用降序,請將升序參數(shù)設(shè)置為False。

df_s = df.sort_index(ascending=False)
print(df_s)
#       name  age state  point
# 5    Frank   30    NY     57
# 4    Ellen   24    CA     88
# 3     Dave   68    TX     70
# 2  Charlie   18    CA     70
# 1      Bob   42    CA     92
# 0    Alice   24    NY     64

更改原始對象(參數(shù)inplace)

與sort_values()一樣,可以指定參數(shù)inplace。如果為True,則更改原始對象。

df.sort_index(inplace=True)
print(df)
#       name  age state  point
# 0    Alice   24    NY     64
# 1      Bob   42    CA     92
# 2  Charlie   18    CA     70
# 3     Dave   68    TX     70
# 4    Ellen   24    CA     88
# 5    Frank   30    NY     57

按列名列排序(參數(shù)axis)

與sort_values()類似,如果設(shè)置了參數(shù)axis = 1,則根據(jù)列名在行方向(水平方向)上進行排序??梢韵袂懊娴氖纠粯邮褂闷渌麉?shù)。

df_s = df.sort_index(axis=1)
print(df_s)
# ? ?age ? ? name ?point state
# 0 ? 24 ? ?Alice ? ? 64 ? ?NY
# 1 ? 42 ? ? ?Bob ? ? 92 ? ?CA
# 2 ? 18 ?Charlie ? ? 70 ? ?CA
# 3 ? 68 ? ? Dave ? ? 70 ? ?TX
# 4 ? 24 ? ?Ellen ? ? 88 ? ?CA
# 5 ? 30 ? ?Frank ? ? 57 ? ?NY

df.sort_index(axis=1, ascending=False, inplace=True)
print(df)
# ? state ?point ? ? name ?age
# 0 ? ?NY ? ? 64 ? ?Alice ? 24
# 1 ? ?CA ? ? 92 ? ? ?Bob ? 42
# 2 ? ?CA ? ? 70 ?Charlie ? 18
# 3 ? ?TX ? ? 70 ? ? Dave ? 68
# 4 ? ?CA ? ? 88 ? ?Ellen ? 24
# 5 ? ?NY ? ? 57 ? ?Frank ? 30

到此這篇關(guān)于pandas.DataFrame Series排序的使用(sort_values,sort_index)的文章就介紹到這了,更多相關(guān)pandas DataFrame Series排序內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

  • Python numpy大矩陣運算內(nèi)存不足如何解決

    Python numpy大矩陣運算內(nèi)存不足如何解決

    這篇文章主要介紹了Python numpy大矩陣運算內(nèi)存不足如何解決,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習或者工作具有一定的參考學(xué)習價值,需要的朋友可以參考下
    2020-11-11
  • python實現(xiàn)吃蘋果小游戲

    python實現(xiàn)吃蘋果小游戲

    這篇文章主要為大家詳細介紹了python實現(xiàn)吃蘋果小游戲,文中示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2020-03-03
  • django輸出html內(nèi)容的實例

    django輸出html內(nèi)容的實例

    今天小編就為大家分享一篇django輸出html內(nèi)容的實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-05-05
  • Python實現(xiàn)的Google IP 可用性檢測腳本

    Python實現(xiàn)的Google IP 可用性檢測腳本

    這篇文章主要介紹了Python實現(xiàn)的Google IP 可用性檢測腳本,本文腳本需要Python 3.4+環(huán)境,需要的朋友可以參考下
    2015-04-04
  • python實現(xiàn)調(diào)用其他python腳本的方法

    python實現(xiàn)調(diào)用其他python腳本的方法

    python實現(xiàn)調(diào)用其他python腳本的方法,是一個比較實用的技巧,需要的朋友可以參考下
    2014-10-10
  • Python?calendar模塊詳情

    Python?calendar模塊詳情

    這篇文章主要介紹了?Python?calendar模塊,Python?專門為了處理日歷提供了calendar日歷模塊,下面文章基于time模塊和datetime模塊展開,具有一定的參考價值,需要的朋友可以參考一下
    2021-11-11
  • 詳解如何使用Python操作MySQL的各種功能

    詳解如何使用Python操作MySQL的各種功能

    當今互聯(lián)網(wǎng)時代,數(shù)據(jù)處理已經(jīng)成為了一個非常重要的任務(wù)。MySQL作為一款開源的關(guān)系型數(shù)據(jù)庫,被廣泛應(yīng)用于各種場景。本文將介紹如何使用Python操作MySQL的各種功能,以及一些高級用法,希望對大家有所幫助
    2023-04-04
  • Python 循環(huán)函數(shù)詳細介紹

    Python 循環(huán)函數(shù)詳細介紹

    循環(huán)用于重復(fù)執(zhí)行一些程序塊。從上一講的選擇結(jié)構(gòu),我們已經(jīng)看到了如何用縮進來表示程序塊的隸屬關(guān)系。循環(huán)也會用到類似的寫法。感興趣得小伙伴請參考下面文字得具體內(nèi)容
    2021-09-09
  • Python網(wǎng)絡(luò)安全格式字符串漏洞任意地址覆蓋大數(shù)字詳解

    Python網(wǎng)絡(luò)安全格式字符串漏洞任意地址覆蓋大數(shù)字詳解

    這篇文章主要介紹了Python網(wǎng)絡(luò)安全格式字符串漏洞任意地址覆蓋大數(shù)字的示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步
    2021-10-10
  • Python工具腳本調(diào)用外層模塊的操作方法

    Python工具腳本調(diào)用外層模塊的操作方法

    今天有同學(xué)問我,這種情況應(yīng)該怎么調(diào)用,才能讓remove_outdated_data.py正確導(dǎo)入models里面的模塊,下面通過本文介紹下Python工具腳本調(diào)用外層模塊的方法,感興趣的朋友一起看看吧
    2024-02-02

最新評論