Pandas数据的排序与统计

Pandas数据的排序与统计

索引排序

.sort_index()方法在指定轴上根据索引进行排序，默认升序

格式：.sort_index(axis=0, ascending=True)其中ascending为递增排序

import pandas as pd
import numpy as np
b = pd.DataFrame(np.arange(20).reshape(4,5), index=['a','d','c','b'])
    0   1   2   3   4
a   0   1   2   3   4
d   5   6   7   8   9
c  10  11  12  13  14
b  15  16  17  18  19
b.sort_index()
    0   1   2   3   4
a   0   1   2   3   4
b  15  16  17  18  19
c  10  11  12  13  14
d   5   6   7   8   9
b.sort_index(ascending=False)
    0   1   2   3   4
d   5   6   7   8   9
c  10  11  12  13  14
b  15  16  17  18  19
a   0   1   2   3   4

.sort_values()方法在指定轴上根据数值进行排序，默认升序

格式：Series.sort_values(axis, ascending=True)或DataFrame.sort_values(by, axis=0, ascending=True)
by:axis轴上的某个索引或索引列表。NaN统一放到排序末尾。

import pandas as pd
import numpy as np
b = pd.DataFrame(np.arange(20).reshape(4,5), index=['c','a','d','b'])
    0   1   2   3   4
c   0   1   2   3   4
a   5   6   7   8   9
d  10  11  12  13  14
b  15  16  17  18  19
a = b.sort_values(2,ascending=False)
    0   1   2   3   4
b  15  16  17  18  19
d  10  11  12  13  14
a   5   6   7   8   9
c   0   1   2   3   4
a = a.sort_values('a', axis=1, ascending=False)
    4   3   2   1   0
b  19  18  17  16  15
d  14  13  12  11  10
a   9   8   7   6   5
c   4   3   2   1   0

数据的基本统计分析

基本的统计分析函数

适用于Series和DataFrame类型

方法	说明
.sum()	计算数据的总和，按0轴计算，下同
.count()	非NaN值的数量
.mean() .median()	计算数据的算术平均值、算术中位数
.var() .std()	计算数据的方差、标准差
.min() .max()	计算数据的最小值最大值
.describe()	针对0轴（各列）的统计汇总

适用于Series类型

方法	说明
.argmin() .argmax()	计算数据最大值、最小值所在位置的索引位置（自动索引）
.inxmin() .idxmax()	计算数据最大值、最小值所在位置的索引（自定义索引）

import pandas as pd
a = pd.Series([9,8,7,6], index=['a','b','c','d'])
a    9
b    8
c    7
d    6
dtype: int64

a.describe()#为Series类型，即可使用Series的方法。DataFrame类型同使用，其返回为DataFrame类型
count    4.000000
mean     7.500000
std      1.290994
min      6.000000
25%      6.750000
50%      7.500000
75%      8.250000
max      9.000000
dtype: float64

数据的累计统计分析

适用于Series和DataFrame类型

方法	说明
.cumsum()	依次给出前1、2、…、n个数的和
.sumprod()	依次给出前1、2、…、n个数的积
.cummax()	依次给出前1、2、…、n个数的最大值
.cummax()	依次给出前1、2、…、n个数的最小值

import pandas as pd
import numpy as np
b = pd.DataFrame(np.arange(20).reshape(4,5), index=['c','a','d','b'])
    0   1   2   3   4
c   0   1   2   3   4
a   5   6   7   8   9
d  10  11  12  13  14
b  15  16  17  18  19

b.cumsum()
    0   1   2   3   4
c   0   1   2   3   4
a   5   7   9  11  13
d  15  18  21  24  27
b  30  34  38  42  46

b.cummin()
   0  1  2  3  4
c  0  1  2  3  4
a  0  1  2  3  4
d  0  1  2  3  4
b  0  1  2  3  4

b.cummax()
    0   1   2   3   4
c   0   1   2   3   4
a   5   6   7   8   9
d  10  11  12  13  14
b  15  16  17  18  19

b.cumprod()
   0     1     2     3     4
c  0     1     2     3     4
a  0     6    14    24    36
d  0    66   168   312   504
b  0  1056  2856  5616  9576

适用于Series和DataFrame类型，滚动计算（窗口计算）

方法	说明
.rolling(w).sum()	依次计算相信w个元素的和
.rolling(w).mean()	依次计算相信w个元素的算术平均值
.rolling(w).var()	依次计算相信w个元素的方差
.rolling(w).std()	依次计算相信w个元素的标准差
.rolling(w).min().max()	依次计算相信w个元素的最小值和最大值

import pandas as pd
import numpy as np
b = pd.DataFrame(np.arange(20).reshape(4,5), index=['c','a','d','b'])
    0   1   2   3   4
c   0   1   2   3   4
a   5   6   7   8   9
d  10  11  12  13  14
b  15  16  17  18  19

b.rolling(2).sum()
      0     1     2     3     4
c   NaN   NaN   NaN   NaN   NaN
a   5.0   7.0   9.0  11.0  13.0
d  15.0  17.0  19.0  21.0  23.0
b  25.0  27.0  29.0  31.0  33.0

b.rolling(2).mean()
      0     1     2     3     4
c   NaN   NaN   NaN   NaN   NaN
a   2.5   3.5   4.5   5.5   6.5
d   7.5   8.5   9.5  10.5  11.5
b  12.5  13.5  14.5  15.5  16.5

b.rolling(3).var()
      0     1     2     3     4
c   NaN   NaN   NaN   NaN   NaN
a   NaN   NaN   NaN   NaN   NaN
d  25.0  25.0  25.0  25.0  25.0
b  25.0  25.0  25.0  25.0  25.0

b.rolling(3).std()
     0    1    2    3    4
c  NaN  NaN  NaN  NaN  NaN
a  NaN  NaN  NaN  NaN  NaN
d  5.0  5.0  5.0  5.0  5.0
b  5.0  5.0  5.0  5.0  5.0

b.rolling(3).min().max()
0    5.0
1    6.0
2    7.0
3    8.0
4    9.0
dtype: float64