您好,登录后才能下订单哦!
这篇文章主要介绍“pandas.DataFrame Series排序如何使用”的相关知识,小编通过实际案例向大家展示操作过程,操作方法简单快捷,实用性强,希望这篇“pandas.DataFrame Series排序如何使用”文章能帮助大家解决问题。
以以下数据为例。
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。
使用sort_values()方法根据元素值进行排序。
在第一个参数(by)中指定要排序的列的标签(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
默认为升序。如果要使用降序,请将升序参数设置为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
如果将第一个参数指定为列表,则可以按多列排序。
从列表的后面开始顺序排序的图像。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
如果将升序参数指定为列表,则可以为每列选择升序或降序。
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
如果缺少值NaN,则默认情况下将对其排序。
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
如果参数na_position =‘first’,它将被安排在开头。
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
要删除缺少的值或将其替换为另一个值,请参阅以下文章。
Pandas删除,替换并提取其中的缺失值NaN(dropna,fillna,isnull)
默认情况下,将返回一个新的排序对象,但是如果inplace参数为True,则原始对象本身将被更改。
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
与前面的示例一样,默认排序为列(垂直)。
如果要按行方向排序,请将参数轴设置为1。其他参数与前面的示例相同。
由于如果数值和字符串混合使用会发生错误,因此在此处删除字符串列,仅显示数值列。有关drop()方法,请参见以下文章。
Pandas.DataFrame删除指定行和列(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
使用sort_index()方法按索引(行名/列名)排序。
默认情况下,sort_index()根据行名在列方向(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
与sort_values()一样,默认值为升序。如果要使用降序,请将升序参数设置为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
与sort_values()一样,可以指定参数inplace。如果为True,则更改原始对象。
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
与sort_values()类似,如果设置了参数axis = 1,则根据列名在行方向(水平方向)上进行排序。可以像前面的示例一样使用其他参数。
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
关于“pandas.DataFrame Series排序如何使用”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识,可以关注亿速云行业资讯频道,小编每天都会为大家更新不同的知识点。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。