Pandas – Dataframe.sort_values() part2

Pandas – Dataframe.sort_values() part2

前面介绍了: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()多参数排序。

语法:

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

例一:按姓名和团队排序
在下面的例子中,从csv文件中制作了一个数据框,该数据框按团队的升序排序,在每个团队中,名称也按升序排序。

分拣前 –

#importing pandas package
import pandas as pd
  
#making data frame from csv file
data=pd.read_csv("nba.csv")
  
#sorting data frame by Team and then By names
data.sort_values(["Team", "Name"], axis=0,
                 ascending=True, inplace=True)
  
#display
data

输出:
Pandas - Dataframe.sort_values() part2

排序后 –

#importing pandas package
import pandas as pd
  
#making data frame from csv file
data=pd.read_csv("nba.csv")
  
#sorting data frame by Team and then By names
data.sort_values(["Team", "Name"], axis=0,
                 ascending=True, inplace=True)
  
#display
data

如图所示,团队首先按升序排序,然后对每个团队名称按升序排序。

Pandas - Dataframe.sort_values() part2

例子#2:将列表传递给升序参数

如上例所示,通过向’by’参数传递一个列表,可以对一个数据框架的多个列进行排序。我们也可以向’ascending’参数传递一个列表,告诉pandas哪一列要如何排序。
升序 “参数中布尔值的索引应与 “由 “参数中列名的索引相同。

#importing pandas package
import pandas as pd
  
#making data frame from csv file
data=pd.read_csv("nba.csv")
  
#sorting data frame by Team and then By names
data.sort_values(["Team", "Name"], axis=0,
                 ascending=[True,False], inplace=True)
  
#display
data

如下图所示,数据框是按团队名称升序排序的,对于每个团队名称,名称是按降序排序的。

Pandas - Dataframe.sort_values() part2

例子#3:使用3栏进行排序

在下面的例子中,相同的数据框是按团队名称排序的。对于每个团队,数据框按年龄排序,对于每个相同的年龄,数据框按高度排序。这个例子将解释多参数排序如何在数据框中工作。

#importing pandas package
import pandas as pd
  
#making data frame from csv file
data=pd.read_csv("nba.csv")
  
#sorting data frame by Team, age and height
data.sort_values(["Team", "Age", "Height"], axis=0,
                 ascending=[False,True,False],
inplace=True)
  
#display
data

如图所示,首先对球队名称进行排序,然后对年龄进行排序,对每个年龄段的身高进行排序。在 “华盛顿奇才 “队中,有3名年龄为30岁的球员。这3个人按其身高从高到低排序。
Pandas - Dataframe.sort_values() part2

赞(0)

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