学习笔记，这个笔记以例子为主。
开发工具：Spyder
文章目录
pandas排序
pandas有两种对DataFrame的排序方式，他们分别是按照标签与按实际值排序。
按行标签进行排序
使用sort_index()方法可以按照行/列标签对DataFrame进行排序。默认情况下，按照升序对行标签进行排序。
- 语法
import pandas as pd
import numpy as np
# 按照行标进行排序
已排序序列 = 未排序序列.sort_index()
# 控制排序顺序(降序)
已排序序列 = 未排序序列.sort_index(ascending=False)
按列标签进行排序
若设置sort_index()的axis参数值为1，则会按照列标签进行排序。
- 语法
import pandas as pd
import numpy as np
# 按照列标签进行排序
已排序序列 = 未排序序列.sort_index(axis = 1)
按某列值排序
像索引排序一样，sort_values()是按值排序的方法。该函数接受一个by参数，该参数的参数值为DataFrame的列名。
- 语法
已排序序列 = 未排序序列.sort_values(by='列名')
举个例子
代码：
import pandas as pd
data = {'name':['Ada', 'Tom','Black', 'Jack', 'Lee'],
'age':[9, 19, 12, 15, 30],
'weight':[8, 4, 5, 6, 10],
'hight':[20, 35, 30, 33, 40]}
df = pd.DataFrame(data,
index = ['a1', 'a2', 'a3', 'a4', 'a5'])
#按行降序排序
s01 = df.sort_index(ascending=False)
print(s01)
print('-'*20)
#按列降序排序
s02 = df.sort_index(axis = 1, ascending=False)
print(s02)
print('-'*20)
#按weight列升序排序
s03 = df.sort_values(by = 'weight')
print(s03)
结果：
age hight name weight
a5 30 40 Lee 10
a4 15 33 Jack 6
a3 12 30 Black 5
a2 19 35 Tom 4
a1 9 20 Ada 8
--------------------
weight name hight age
a1 8 Ada 20 9
a2 4 Tom 35 19
a3 5 Black 30 12
a4 6 Jack 33 15
a5 10 Lee 40 30
--------------------
age hight name weight
a2 19 35 Tom 4
a3 12 30 Black 5
a4 15 33 Jack 6
a1 9 20 Ada 8
a5 30 40 Lee 10
pandas分组
在许多情况下，我们需要将数据分为多个集合，并在每个子集上应用一些函数，来实现我们的需求。
将数据拆分成组
- 语法
# 将df数据框按照age字段分组
print(df.groupby('age'))
# 查看分组结果
print(df.groupby('age').groups)
- 例子
代码：
import pandas as pd
data = {'name':['Ada', 'Tom','Black', 'Jack', 'Lee',
'Yellow', 'Blue', 'Peter', 'Green', 'Trump'],
'age':[9, 9, 10, 10, 10, 10, 8, 9, 7, 8],
'weight':[8, 4, 5, 6, 10, 10, 4, 5, 4, 8]}
df = pd.DataFrame(data,
index = ['a1', 'a2', 'a3', 'a4', 'a5',
'a6', 'a7', 'a8', 'a9', 'a10'])
print(df.groupby('age'))
print(df.groupby('age').groups)
结果：
<pandas.core.groupby.DataFrameGroupBy object at 0x000000D589A294A8>
{7: Index(['a9'], dtype='object'), 8: Index(['a7', 'a10'], dtype='object'), 9: Index(['a1', 'a2', 'a8'], dtype='object'), 10: Index(['a3', 'a4', 'a5', 'a6'], dtype='object')}
迭代遍历分组
df.groupby()方法可以返回可迭代对象，可以使用for循环遍历。
- 例子
代码：
import pandas as pd
data = {'name':['Ada', 'Tom','Black', 'Jack', 'Lee',
'Yellow', 'Blue', 'Peter', 'Green', 'Trump'],
'age':[9, 9, 10, 10, 10, 10, 8, 9, 7, 8],
'weight':[8, 4, 5, 6, 10, 10, 4, 5, 4, 8]}
df = pd.DataFrame(data,
index = ['a1', 'a2', 'a3', 'a4', 'a5',
'a6', 'a7', 'a8', 'a9', 'a10'])
for age, i in df.groupby('age'):
print(age)
print(i)
print('-'*10)
结果：
7
age name weight
a9 7 Green 4
----------
8
age name weight
a7 8 Blue 4
a10 8 Trump 8
----------
9
age name weight
a1 9 Ada 8
a2 9 Tom 4
a8 9 Peter 5
----------
10
age name weight
a3 10 Black 5
a4 10 Jack 6
a5 10 Lee 10
a6 10 Yellow 10
----------
获得子分组的细节
语法就不写了，看下面的例子和注释，应该就能懂。
- 例子
代码：
import pandas as pd
data = {'name':['Ada', 'Tom','Black', 'Jack', 'Lee',
'Yellow', 'Blue', 'Peter', 'Green', 'Trump'],
'age':[9, 9, 10, 10, 10, 10, 8, 9, 7, 8],
'weight':[8, 4, 5, 6, 10, 10, 4, 5, 4, 8]}
df = pd.DataFrame(data,
index = ['a1', 'a2', 'a3', 'a4', 'a5',
'a6', 'a7', 'a8', 'a9', 'a10'])
# 将df数据框按照age字段分组
grouped = df.groupby('age')
#查看age=8的分组的细节
print(grouped.get_group(8))
结果：
age name weight
a7 8 Blue 4
a10 8 Trump 8
分组聚合
聚合函数为每个分组返回聚合值。当创建了分组(groupby)对象，就可以对每个分组数据执行求和、求标准差等操作。
语法就不写了，看下面的例子和注释，应该就能懂。
- 例子
代码：
import numpy as np
import pandas as pd
datas = {'name':['Ada', 'Tom','Black', 'Jack', 'Lee',
'Yellow', 'Blue', 'Peter', 'Green', 'Trump'],
'age':[9, 9, 10, 10, 10, 10, 8, 9, 7, 8],
'weight':[8, 4, 5, 6, 10, 10, 4, 5, 4, 8]}
df = pd.DataFrame(datas,
index = ['a1', 'a2', 'a3', 'a4', 'a5',
'a6', 'a7', 'a8', 'a9', 'a10'])
grouped = df.groupby('age')
#print(grouped)
#求出各个分组的均值
print (grouped.agg(np.mean))
print('-'*15)
#求出各个分组的加总与标准差
print(grouped.agg([np.sum, np.std]))
print('-'*15)
#使用匿名函数lambda对各个分组进行操作
print(grouped.agg(lambda x: np.sum(x**2)))
结果：
weight
age
7 4.000000
8 6.000000
9 5.666667
10 7.750000
---------------
weight
sum std
age
7 4 NaN
8 12 2.828427
9 17 2.081666
10 31 2.629956
---------------
weight
age
7 16
8 80
9 105
10 261
合并
Pandas提供了merge()函数，作为DataFrame对象之间所有标准数据库连接操作的入口。
合并两个DataFrame
- 语法
# 合并两个DataFrame(默认为内连接)
rs = pd.merge(left,right)
- 例子
代码：
import pandas as pd
leftD = {'name':['Ada', 'Tom','Black', 'Jack', 'Lee',
'Yellow', 'Blue', 'Peter', 'Green', 'Trump'],
'age':[9, 9, 10, 10, 10, 10, 8, 9, 7, 8],
'weight':[8, 4, 5, 6, 10, 10, 4, 5, 4, 8],
'Bunny_ld':[1, 2, 3, 4, 2, 4, 3, 1, 4, 1]}
rightD = {'Bunny_ld':[1, 2, 3, 4],
'foods':['A', 'B', 'C', 'D']}
df_leftD = pd.DataFrame(leftD)
df_rightD = pd.DataFrame(rightD)
rs = pd.merge(df_leftD, df_rightD)
print(rs)
结果：
Bunny_ld age name weight foods
0 1 9 Ada 8 A
1 1 9 Peter 5 A
2 1 8 Trump 8 A
3 2 9 Tom 4 B
4 2 10 Lee 10 B
5 3 10 Black 5 C
6 3 8 Blue 4 C
7 4 10 Jack 6 D
8 4 10 Yellow 10 D
9 4 7 Green 4 D
由结果可知，两个数据框，通过同样的变量Bunny_ld进行了关联，合成了一个数据框。这种连接是内连接，若df_leftD数据框的Bunny_ld字段，存在df_rightD数据框的Bunny_ld字段所没有的变量值时，则该观测行会被丢掉，同样，若df_rightD数据框的Bunny_ld字段，存在df_leftD数据框的Bunny_ld字段所没有的观测值时，该观测行也会被扔掉。
故，我们还存在左连接（左边Bunny_ld数据全保留）和右连接（右边Bunny_ld数据全保留）两种连接方式。我们可以设置merge()函数的how参数，来进行左连接/右连接。
使用how参数合并DataFrame
- 语法
# 合并两个DataFrame(左连接)
rs = pd.merge(left,right, how = 'left')
# 合并两个DataFrame(右连接)
rs = pd.merge(left,right, how = 'right')
how的其他参数值：
| 合并方法 | 描述 |
|---|---|
left |
使用左侧对象的键(左连接) |
right |
使用右侧对象的键(右连接) |
outer |
使用键的联合(外连接) |
inner |
使用键的交集(内连接) |
- 例子(外连接)
代码：
import pandas as pd
leftD = {'name':['Ada', 'Tom','Black', 'Jack', 'Lee',
'Yellow', 'Blue', 'Peter', 'Green', 'Trump'],
'age':[9, 9, 10, 10, 10, 10, 8, 9, 7, 8],
'weight':[8, 4, 5, 6, 10, 10, 4, 5, 4, 8],
'Bunny_ld':[1, 2, 3, 4, 2, 4, 3, 1, 4, 5]}
rightD = {'Bunny_ld':[1, 2, 3, 4, 6],
'foods':['A', 'B', 'C', 'D', 'E']}
df_leftD = pd.DataFrame(leftD)
df_rightD = pd.DataFrame(rightD)
rs = pd.merge(df_leftD, df_rightD, how = 'outer')
print(rs)
结果：
Bunny_ld age name weight foods
0 1 9.0 Ada 8.0 A
1 1 9.0 Peter 5.0 A
2 2 9.0 Tom 4.0 B
3 2 10.0 Lee 10.0 B
4 3 10.0 Black 5.0 C
5 3 8.0 Blue 4.0 C
6 4 10.0 Jack 6.0 D
7 4 10.0 Yellow 10.0 D
8 4 7.0 Green 4.0 D
9 5 8.0 Trump 8.0 NaN
10 6 NaN NaN NaN E
