DataFrame(13)：DataFrame的排序与排名问题

DataFrame(13)：DataFrame的排序与排名问题

1、说明

DataFrame中的排序分为两种，一种是对索引排序，一种是对值进行排序。   索引排序：sort_index()；值排序：sort_values()；值排名：rank()   对于索引排序，涉及到对行索引、列索引的排序，并且还涉及到是升序还是降序。函数df.sort_index(axis= , ascending= , inplace=)，需要特别注意这三个参数。axis表示对行操作，还是对列操作；ascending表示升序，还是降序操作。   对于值排序，同样也是涉及到行、列排序问题，升序、降序排列问题。函数df.sort_values(by= , axis= , ascending= , inplace=),也需要特别注意这几个参数，只是多了一个by操作，需要我们指明是按照哪一行或哪一列，进行排序的。   注意：axis=0表示对行操作，axis=1表示对列进行操作；ascending=True表示升序，ascending=False表示降序；inplace=True表示对原始DataFrame本身操作，因此不需要赋值操作，inplace=False相当于是对原始DataFrame的拷贝，之后的一些操作都是针对这个拷贝文件进行操作的，因此需要我们赋值给一个变量，保存操作后的结果。

2、索引排序：df.sort_index()

① 对行索引，进行升序排列

df = pd.DataFrame({"A":[1,3,5,7,9], "D":[1,2,3,4,5], "C":[3,6,9,12,15], "B":[2,4,6,8,10]}, index=list("acbed"))display(df)display(id(df))df.sort_index(axis=0,ascending=True,inplace=True)display(df)display(id(df))df1 = df.sort_index(axis=0,ascending=True)display(df1)display(id(df1))

结果如下：

② 对列索引，进行降序排列

df = pd.DataFrame({"A":[1,3,5,7,9], "D":[1,2,3,4,5], "C":[3,6,9,12,15], "B":[2,4,6,8,10]}, index=list("acbed"))display(df)df.sort_index(axis=1,ascending=False,inplace=True)display(df)

结果如下：

3、值排序：df.sort_values()

① 对某一列进行升序排列(有实际意义)

df = pd.DataFrame({"A":[3,1,5,9,7], "D":[4,1,2,5,3], "C":[3,15,9,6,12], "B":[2,4,6,10,8]}, index=list("acbed"))display(df)df.sort_values(by="A",axis=0,ascending=True,inplace=True)display(df)

结果如下：

② 对某一行进行降序排列(实际意义不大)

df = pd.DataFrame({"A":[3,1,5,9,7], "D":[4,1,2,5,3], "C":[3,15,9,6,12], "B":[2,4,6,10,8]}, index=list("acbed"))display(df)df.sort_values(by="A",axis=1,ascending=False,inplace=True)display(df)

结果如下：

③ 对多列进行联合排序(重要)

df = pd.DataFrame({"A":[3,1,3,9,7], "D":[666,1,888,5,3], "C":[3,15,9,6,12], "B":[2,4,6,10,8]}, index=list("acbed"))display(df)df.sort_values(by=["A","D"],axis=0,ascending=[True,False],inplace=True)

结果如下：

注意：上图中，我们分别按照A和D这个列进行排序，先按照A列做升序排列，当A列中具有相同值的时候，就按照D列做降序排列。

4、sort_values()中的na_position参数

na_position参数用于设定缺失值的显示位置，first表示缺失值显示在最前面；last表示缺失值显示在最后面。

df = pd.DataFrame({"A":[10,8,np.nan,2,4], "D":[1,7,5,3,8], "B":[5,2,8,4,1]}, index=list("abcde"))display(df)df.sort_values(by="A",axis=0,inplace=True,na_position="first")display(df)df.sort_values(by="A",axis=0,inplace=True,na_position="last")display(df)

结果如下：

5、“值排名”：rank()函数

1）rank()函数的常用参数说明

2）原始数据

x = {"name":["张三","李四","王五","赵六","郑七","陈八","黄九","孙十"], "sales":[60,40,50,40,30,80,70,60]}df = pd.DataFrame(x)display(df)

结果如下：

3）rank()函数使用如下

① method=“first”

x = {"name":["张三","李四","王五","赵六","郑七","陈八","黄九","孙十"], "sales":[60,40,50,40,30,80,70,60]}df = pd.DataFrame(x)display(df)df["排名"] = df["sales"].rank(method="first")display(df)

结果如下：

② method=“min”

x = {"name":["张三","李四","王五","赵六","郑七","陈八","黄九","孙十"], "sales":[60,40,50,40,30,80,70,60]}df = pd.DataFrame(x)display(df)df["排名"] = df["sales"].rank(method="min")display(df)

结果如下：

③ method=“max”

x = {"name":["张三","李四","王五","赵六","郑七","陈八","黄九","孙十"], "sales":[60,40,50,40,30,80,70,60]}df = pd.DataFrame(x)display(df)df["排名"] = df["sales"].rank(method="max")display(df)

结果如下：

④ method=“average”

x = {"name":["张三","李四","王五","赵六","郑七","陈八","黄九","孙十"], "sales":[60,40,50,40,30,80,70,60]}df = pd.DataFrame(x)display(df)df["排名"] = df["sales"].rank(method="average")display(df)

结果如下：

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。