DataFrame中排序与汇总运算的案例分析-创新互联

这篇文章给大家分享的是有关DataFrame中排序与汇总运算的案例分析的内容。小编觉得挺实用的,因此分享给大家做个参考。一起跟随小编过来看看吧。

创新互联坚持“要么做到,要么别承诺”的工作理念,服务领域包括:成都做网站、成都网站建设、企业官网、英文网站、手机端网站、网站推广等服务,满足客户于互联网时代的剑河网站设计、移动媒体设计的需求,帮助企业找到有效的互联网解决方案。努力成为您成熟可靠的网络建设合作伙伴!

排序

排序是我们一个非常基本的需求,在pandas当中将这个需求进一步细分,细分成了根据索引排序以及根据值排序。我们先来看看Series当中的排序方法。

Series当中的排序方法有两个,一个是sort_index,顾名思义根据Series中的索引对这些值进行排序。另一个是sort_values,根据Series中的值来排序。这两个方法都会返回一个新的Series:

索引排序

对于DataFrame来说也是一样,同样有根据值排序以及根据索引排序这两个功能。但是由于DataFrame是一个二维的数据,所以在使用上会有些不同。最简单的差别是在于Series只有一列,我们明确的知道排序的对象,但是DataFrame不是,它当中的索引就分为两种,分别是行索引以及列索引。所以我们在排序的时候需要指定我们想要排序的轴,也就是axis。

默认的情况我们是根据行索引进行排序,如果我们要指定根据列索引进行排序,需要传入参数axis=1。

我们还可以传入ascending这个参数,用来指定我们想要的排序顺序是正序还是倒序

值排序

DataFrame的值排序有所不同,我们不能对行进行排序,只能针对列。我们通过by参数传入我们希望排序参照的列,可以是一列也可以是多列。

排名

有的时候我们希望得到元素的排名,我们会希望知道当前元素在整体当中排第几,pandas当中也提供了这个功能,它就是rank方法。

我们可以发现我们随手输入的一串数字当中,包含两个7,7是Series当中大的数字,但是它们的排名为什么是6.5呢?

其实很简单,因为7出现了两次,分别是第6位和第7位,这里对它所有出现的排名取了平均,所以是6.5。如果我们不希望它取平均,而是根据出现的先后顺序给出排名的话,我们可以用method参数指定我们希望的效果。

method的合法参数并不止first这一种,还有一些其他稍微冷门一些的用法,我们一并列出。

如果是DataFrame的话,默认是以行为单位,计算每一行中元素占整体的排名。我们也可以通过axis参数指定以列为单位计算:

汇总运算

最后我们来介绍一下DataFrame当中的汇总运算,汇总运算也就是聚合运算,比如我们最常见的sum方法,对一批数据进行聚合求和。DataFrame当中同样有类似的方法,我们一个一个来看。

首先是sum,我们可以使用sum来对DataFrame进行求和,如果不传任何参数,默认是对每一行进行求和。

除了sum之外,另一个常用的就是mean,可以针对一行或者是一列求平均。

由于DataFrame当中常常会有为NA的元素,所以我们可以通过skipna这个参数排除掉缺失值之后再计算平均值。

另一个我个人觉得很好用的方法是descirbe,可以返回DataFrame当中的整体信息。比如每一列的均值、样本数量、标准差、最小值、大值等等。是一个常用的统计方法,可以用来了解DataFrame当中数据的分布情况。

感谢各位的阅读!关于DataFrame中排序与汇总运算的案例分析就分享到这里了,希望以上内容可以对大家有一定的帮助,让大家可以学到更多知识。如果觉得文章不错,可以把它分享出去让更多的人看到吧!


新闻名称:DataFrame中排序与汇总运算的案例分析-创新互联
文章网址:http://myzitong.com/article/ddjccg.html