大週末的不休息，繼續學習pandas吧，pandas你該這麼學，No.7

其實，寫文章真的挺難的

天天抽點時間，寫寫文采飄逸的文章

堅持個幾年，成爲稱霸一方的大佬

堅持就會成功吧~

最近碰到瓶頸了， 一直找不到好的運營公衆號的方式（好想有人指導唉~，對了，橡皮擦有個100多人的小qun，缺划水，話癆管理...）

誰有啥經驗呢

給評論兩句，幫橡皮擦指個鹿

嘿嘿哈嘿~

上一篇，咱們搗鼓了一下dataframe計算類的函數

這一篇，

我要開始給你嘚啵一下分組與排序了

這兩個函數分類

你必定要學會，學會了

就深得pandas精髓了

先說排序

英文sorted

好了，說完了，其餘的本身感覺吧

O(∩_∩)O哈哈~

開個玩笑

做爲程序佈道師，我是必定要講明白的

看，那是sorted

在dataframe裏面，有兩個排序的函數

一個叫作sort_values，還有一個也叫作sort_values 額，不對，叫作 sort_index

見到名字

對於已經看過我6篇博客的你來講

瞬間你就知道它們是幹啥的了

• sort_index 按照索引排序
• sort_values 按照值排序

那咱們就先表一表sort_index

先準備一個基本的數據

代碼寫的好很差，全看你找的數據準不許

df = pd.DataFrame([[4,8,3],[5,6,1],[1,9,2]],columns=['boys','girls','aboys'],index=['class2','class1','class3'])

複製代碼

打印出來，一看就能看到，這個栗子舉得真棒

boys  girls  aboys
class2     4      8      3
class1     5      6      1
class3     1      9      2
複製代碼

注意看，列索引的名字分別是boys,girls,aboys 行索引的名字分別是 class2,class1,class3

順序都是亂的哦~

下面，使用排序

df = pd.DataFrame([[4,8,3],[5,6,1],[1,9,2]],columns=['boys','girls','aboys'],index=['class2','class1','class3'])


print(df)
print(df.sort_index())
print(df.sort_index(axis=1))
print(df.sort_index(axis=0))

複製代碼

噔噔噔~

看結果

看到了沒，axis這個參數，又起到做用了哦~

固然，倒序也是比較容易的

就加一個ascending =False 就OK啦

這麼簡單，就不演示了

sort_index嘚啵完畢，就該sort_values出面了

這個函數，比上面多一個參數by

演示走一波

df = pd.DataFrame([[4,8,3],[5,6,1],[1,9,2]],columns=['boys','girls','aboys'],index=['class2','class1','class3'])


print(df)
print(df.sort_values(by='boys'))
print(df.sort_values(by='girls'))

print(df.sort_values(by='class1',axis=1))
複製代碼

繼續上個小圖，說明一下

固然，還能夠指定多列，不過不推薦，你能夠用下面的代碼 微微一測，技術到手

print(df.sort_values(by=['boys','girls']))
複製代碼

排序嘚啵完畢，下面開始分組

分組，組叫作group

在pandas中，這個就屬於比較高級的函數的

GroupBy

官網註釋裏面給了一句

注意看，他把by當成了可選參數，

呵呵，官網寫錯了

你必需要傳遞一個by或者level進去

也就是按照誰來分組

可是，問題又來了

你要分組，必需要有意義

什麼意思？

好比，咱們一直測試的數據

這個數據，請問，你須要分組

你須要怎麼分組？

這個壓根不須要分組的好吧

因此分組前，你必需要明確的看到

恩，這個數據，我須要分組，才能不拉不拉的作一些事情

因而乎，我開始分組

順手就來

看數據

import pandas as pd

mydict = {
    'class_name':['class1','class1','class2','class2'],
    'student':[20,30,10,20]
}
df = pd.DataFrame(mydict)
print(df)
複製代碼

唉，這個數據就比較好學習分組了

在某次，某次什麼事件中，統計到的每一個班的學生人數以下

我接下來，要知道class1班有多少，class2班有多少人

那須要按照班級名字分組啊 也就是 class_name

你看，分組概念出來了吧

print("*"*100)
print(df.groupby(by='class_name'))
複製代碼

一瞅，結果

嘿嘿，果真看不懂

****************************************************************************************************
<pandas.core.groupby.groupby.DataFrameGroupBy object at 0x000001CB1D07CE80>
複製代碼

其實沒啥了，是一個DataFrameGroupBy 對象

分組以後，你須要在使用一個聚合或者計算類的函數

就OK的拉

好比，分組求和

print(df.groupby(by='class_name').sum())
------------------------------------------
            student
class_name         
class1           50
class2           30
複製代碼

好比，分組求平均值

print(df.groupby(by='class_name').mean())
複製代碼

好比，分組求那個啥？

print(df.groupby(by='class_name').count())
複製代碼

還有那個啥

df.groupby(by='class_name').size()
複製代碼

好了，來了一個小重點 small case

這兩個乍一看，咦，結果同樣唉

注意，細節，細節才能區分大佬與大菜鳥

print("*"*100)
print(type(df.groupby(by='class_name').size()))
print("*"*100)
print(type(df.groupby(by='class_name').count()))
複製代碼

這兩返回的類型都不一樣

****************************************************************************************************
<class 'pandas.core.series.Series'>
****************************************************************************************************
<class 'pandas.core.frame.DataFrame'>
複製代碼

一個是Series，是個是DataFrame

在往深處研究

import pandas as pd

mydict = {
    'class_name':['class1','class1','class2','class2','class3','class4','class4'],
    'student':[20,30,10,20,5,None,12]
}
df = pd.DataFrame(mydict)
print(df)

print("*"*100)
print(df.groupby(by='class_name').size())
print("*"*100)
print(df.groupby(by='class_name').count())

複製代碼

對比結果吧

拿出筆來，畫重點

count不統計none值

漂亮，深得精髓

OK了，這篇博客到此結果嘍

知道你沒學會，學會你就是最聰明的

明天咱們繼續研究groupby的其餘用法

到如今爲止，簡單的部分已經完事了

從NOW開始，剩下的都是難的了

哈哈哈哈

你已經關注我公主號了，對不對

趕忙讓朋友也關注啊...