Python数据处理、分析和可视化-Series和DataFrame的Math使用

 在Series和DataFrame使用Math方法计算得出预期结果

import numpy as np
import pandas as pd
from pandas import Series,DataFrame

Series

s = Series(np.random.rand(10))

 

# 实现values值倒叙排列
s.sort_values(ascending=False)

# 实现index索引倒叙排列
s.sort_index(ascending=False)

s1 = Series([1,2,3],index=['A','B','C'])
s2 = Series([4,5,6],index=['A','D','E'])

 

DataFrame

df = DataFrame(np.random.rand(20).reshape(4,5))

 

# 第四列升序排序
df.sort_values(by=4)

 

# 按行索引排序，以 1 行升序排列
df.sort_values(axis=1,by=1)

 

# 升序
df.sort_index()

 

df1 = DataFrame(np.random.rand(20).reshape(4,5),index=[3,2,1,4])

 

# 升序
df.sort_index()

实现最大小值以及平均值

 

 describe() 方法：计算每一列的若干常用统计值

 

Bill

score_list =np.random.randint(30, 100, 20)
bins = [30,59,79,100]
a = pd.cut(score_list, bins)
a.value_counts()

df = DataFrame()
df['student'] = [pd.util.testing.rands(5) for i in range(20)]

 

df['score'] = score_list
df['bins'] = pd.cut(df['score'],bins=bins,labels=['bad','ok','good'])