Python Pandas Series.argsort()
在Pandas Series.argsort()的帮助下,人们可以在pandas中对系列的元素进行排序。但在pandas系列中,最主要的是我们得到的输出是系列中排序后的元素的索引值。在后面的代码演示中,我们将解释我们如何获得排序后的索引值的输出。
语法: pandas.Series.argsort(axis=0, kind=’quicksort’, order=None)
参数:
axis:它对numpy很有用。
kind : {‘mergesort’, ‘quicksort’, ‘heapsort’}, 默认为’quicksort’
order:它对numpy很有用。
返回:经排序的系列,在有nan值的地方表示-1。
要获得csv文件的链接,请点击nba.csv
代码#1:
在这段代码中,你会看到我们正在对一个简单的整数系列进行排序,并尝试用不同的排序算法,如quicksort、mergesort和heapsort,但默认情况下,它将被认为是quicksort。让我们看看下面的代码和下面的输出。
# importing pandas
import pandas as pd
# reading the csv
data = pd.read_csv("nba.csv")
data.dropna(inplace = True)
# creating series form weight column
g = pd.Series(data['Weight'].head())
print(g)
gfg = g.argsort(axis = 0, kind ='quicksort', order = None)
print(gfg)
输出:
0 180.0
1 235.0
3 185.0
6 235.0
7 238.0
Name: Weight, dtype: float64
0 0
1 2
3 1
6 3
7 4
Name: Weight, dtype: int64
正如你在输出中看到的,看起来很奇怪,为什么我们没有得到系列中的排序值,而是得到这些数字。这就是Series.argsort()方法的主要概念,它首先返回最小的数字的索引值,最后返回最大的数字的索引值。因为我们有1是最小的数字,它的索引值是4,那么4会排在第一位,这个概念就像下面的输出一样。
代码#2:
# importing pandas
import pandas as pd
# reading the csv
data = pd.read_csv("nba.csv")
data.dropna(inplace = True)
# creating series form weight column
g = pd.Series(data['Weight'].head())
print(g)
gfg = g.argsort(axis = 0, kind ='mergesort', order = None)
print(gfg)
输出:
0 180.0
1 235.0
3 185.0
6 235.0
7 238.0
Name: Weight, dtype: float64
0 0
1 2
3 1
6 3
7 4
Name: Weight, dtype: int64
代码#3:
# importing pandas
import pandas as pd
# reading the csv
data = pd.read_csv("nba.csv")
data.dropna(inplace = True)
# creating series form weight column
g = pd.Series(data['Weight'].head())
print(g)
gfg = g.argsort(axis = 0, kind ='heapsort', order = None)
print(gfg)
输出:
0 180.0
1 235.0
3 185.0
6 235.0
7 238.0
Name: Weight, dtype: float64
0 0
1 2
3 1
6 3
7 4
Name: Weight, dtype: int64
**当我们有缺失值时,输出是什么?
正如我们上面所解释的,如果我们想处理缺失的值,那么在None的位置上,它将给出-1的输出。
import pandas as pd
# importing pandas
import pandas as pd
# reading the csv
data = pd.read_csv("nba.csv")
# creating series form weight column
g = pd.Series(data['Weight'])
print(g)
gfg = g.argsort(axis = 0, kind ='mergesort', order = None)
print(gfg)
输出:
450 226.0
451 206.0
452 234.0
453 203.0
454 179.0
455 256.0
456 231.0
457 NaN
Name: Weight, Length: 458, dtype: float64
450 237
451 41
452 188
453 395
454 330
455 302
456 405
457 -1
Name: Weight, Length: 458, dtype: int64