Pandas – Dataframe.sort_values() part1

Pandas – Dataframe.sort_values() part1

Python是一种做数据分析的伟大语言,主要是因为以数据为中心的Python软件包的奇妙生态系统。 Pandas 是这些软件包之一,它使导入和分析数据变得更加容易。
Pandas sort_values()函数对一个数据框按照所传递的列的升序或降序进行排序。它与Python的sorted函数不同,因为它不能对数据帧进行排序,也不能选择特定的列。
我们来讨论一下Dataframe.sort_values()单参数排序的问题。
语法:

DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, kind=’quicksort’, na_position=’last’)

除了’by’参数,每个参数都有一些默认值。
参数:

by: 对数据框架进行排序的单列/列名称。
axis: 0或’index’代表行,1或’columns’代表列。
ascending: 布尔值,如果为真,则以升序排列数据框。
inplace: 布尔值。如果为真,则在通过的数据框中进行修改。
kind: 字符串,可以有三个输入(’quicksort’、’mergesort’或’heapsort’),用于对数据帧进行排序的算法。
na_position: 接受两个字符串输入’last’或’first’来设置Null值的位置。默认为 “最后”。

返回值:

返回一个排序的数据框,其尺寸与函数调用者的数据框相同。

示例 #1: 按名称排序
在下面的例子中,从csv文件中制作了一个数据框,数据框按球员姓名的升序排序。
分拣前-

# importing pandas package
import pandas as pd
 
# making data frame from csv file
data = pd.read_csv("nba.csv")
 
# display
data

输出:

Pandas - Dataframe.sort_values


# importing pandas package
import pandas as pd
 
# making data frame from csv file
data = pd.read_csv("nba.csv")
 
# sorting data frame by name
data.sort_values("Name", axis = 0, ascending = True,
                 inplace = True, na_position ='last')
 
# display
data

如图所示,由于数据框架是按名称排序的,所以索引列现在是杂乱无章的。
输出:

Pandas - Dataframe.sort_values

示例 #2: 改变空值的位置
在给定的数据中,在不同的列中有许多空值,它们被默认放在最后。在这个例子中,数据框是按照工资列排序的,空值被放在最上面。

# importing pandas package
import pandas as pd
 
# making data frame from csv file
data = pd.read_csv("nba.csv")
 
# sorting data frame by name
data.sort_values("Salary", axis = 0, ascending = True,
                 inplace = True, na_position ='first')
 
data
# display

如输出图像所示,NaN值在顶部,之后是Salary的排序值。
输出:

Pandas - Dataframe.sort_values

赞(2)

猜你喜欢

    评论 抢沙发

    • 昵称 (必填)
    • 邮箱 (必填)
    • 网址
    Pandas 教程
    Pandas 教程Pandas 简介Pandas 环境配置Pandas 数据结构Pandas 序列(Series)Pandas 创建DataFramePandas DataFrame 读取 添加和删除Pandas 面板(Panel)Pandas DataFrame 属性和方法Pandas Series 属性和方法Pandas 描述性统计Pandas 函数应用Pandas 重新索引(Reindexing)Pandas 迭代Pandas 排序Pandas 字符串和文本数据Pandas 选项和自定义Pandas 索引和选择数据Pandas 统计函数Pandas 窗口函数Pandas 缺失值处理Pandas和Numpy的区别
    Pandas 实例
    Pandas 对象创建Pandas 查看数据Pandas 选择数据Pandas 操作数据如何在Python中把Sklearn数据集转换成Pandas数据框使用pandas和matplotlib 进行绘图
    Pandas 数据处理
    Pandas 数据处理Pandas GroupBy 用法Pandas 合并(merge)Pandas 拼接(concat)Pandas 删除数据Pandas 旋转数据
    Pandas 数据读取与写入
    Pandas 数据读取与写入Pandas 读写csvPandas 读写jsonPandas 读写htmlPandas 读写excelPandas 读取txtPandas 数据库操作Pandas 读写sqlite数据库
    Pandas 常用函数
    Pandas 常用函数
    Pandas DataFrame类
    Pandas DataFrame详解Pandas - DataFrame.dropna()Pandas - DataFrame.fillna() 替换DataFrame中的空值Pandas - dataframe.insert()Pandas - Dataframe.sort_values() part1Pandas - Dataframe.sort_values() part2Pandas - DataFrame.isin()Pandas - DataFrame.where()Pandas - Dataframe.Diplicated()Pandas DataFrame.at介绍Pandas DataFrame.columns函数Pandas DataFrame.dtypes属性Pandas dataframe.info()函数Pandas dataframe.select_dtypes()函数Pandas DataFrame.values属性Pandas DataFrame.axes属性Pandas dataframe.memory_usage()函数Pandas DataFrame.empty属性Pandas DataFrame.astype()函数Pandas dataframe.infer_objects()函数