pandas_排序function

import pandas as pd

df=pd.read_csv('dataAnalyst_sql.csv')

df.info()     #查询表格信息

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 5031 entries, 0 to 5030
Data columns (total 12 columns):
positionId           5031 non-null int64
city                 5031 non-null object
companyId            5031 non-null int64
firstType            5027 non-null object
secondType           5028 non-null object
education            5031 non-null object
industryField        5031 non-null object
positionAdvantage    5031 non-null object
positionName         5031 non-null object
positionLables       5007 non-null object
salary               5031 non-null object
workYear             5031 non-null object
dtypes: int64(2), object(10)
memory usage: 471.7+ KB

df.head() #查询前5条

	positionId	city	companyId	firstType	secondType	education	industryField	positionAdvantage	positionName	positionLables	salary	workYear
0	2537336	上海	8581	技术	数据开发	硕士	移动互联网	知名平台	数据分析师	['分析师', '数据分析', '数据挖掘', '数据']	7k-9k	应届毕业生
1	2427485	上海	23177	技术	数据开发	本科	金融	挑战机会,团队好,与大牛合作,工作环境好	数据分析师-CR2017-SH2909	['分析师', '数据分析', '数据挖掘', '数据']	10k-15k	应届毕业生
2	2511252	上海	57561	设计	数据分析	本科	移动互联网	时间自由,领导nic	数据分析师	['分析师', '数据分析', '数据']	4k-6k	应届毕业生
3	2427530	上海	7502	市场与销售	数据分析	本科	企业服务,数据服务	五险一金 绩效奖金 带薪年假 节日福利	大数据业务分析师【数云校招】	['商业', '分析师', '大数据', '数据']	6k-8k	应届毕业生
4	2245819	上海	130876	技术	软件开发	本科	其他	在大牛下指导	BI开发/数据分析师	['分析师', '数据分析', '数据', 'BI']	2k-3k	应届毕业生

df.tail() #查询后5条

	positionId	city	companyId	firstType	secondType	education	industryField	positionAdvantage	positionName	positionLables	salary	workYear
5026	2582910	北京	3786	开发/测试/运维类	数据开发	本科	移动互联网,金融	大牛团队,互联网金融,零食水果,灵活工时	BI数据分析师	['数据分析', '数据', 'BI', '分析师', '商业智能']	15k-25k	3-5年
5027	2583183	北京	59239	开发/测试/运维类	软件开发	本科	金融	五险一金，年底奖金	大数据风控研发工程师	['专家', '高级', '软件开发']	15K-30K	3-5年
5028	1832950	北京	50702	技术	数据开发	本科	移动互联网,O2O	期权	高级数据技术专家	['数据挖掘', '数据']	30k-40k	5-10年
5029	2582349	北京	156832	市场/商务/销售类	销售	不限	金融	周末双休/高提成/每月员工趴	分析师助理／销售人员	['顾问', '销售', '分析师']	4k-6k	不限
5030	1757974	北京	1575	技术	高端技术职位	本科	移动互联网,数据服务	大公司，高福利，互联网数据团队，机会多	数据仓库建模工程师	['数据仓库', '数据', '建模']	15k-30k	不限

df.query('positionId>12345')   #进行查询

pandas高阶函数（1）排序函数

df.T()   #进行行列转换

Type: property
String form: <property object at 0x0000000007A56DB8>
Docstring: Transpose index and columns.

(1)sort_values() #对指定内容进行排序

df.sort_values(by='workYear')   #指定workYear进行升序排序（默认升序）
df.sort_values(by='workYear',ascending=False)   #指定workYear进行降序排序

Signature: df.sort_values(by, axis=0, ascending=True, inplace=False, kind=‘quicksort’, na_position=‘last’)

Docstring:Sort by the values along either axis

df.workYear.sort_values()   #指定workYear进行升序排序  返回数组

df.sort_values(['city','positionId'],ascending=False)   #指定'city','positionId'进行降序排序

(2)sort_index() #对索引进行排序

df.sort_index() #对索引进行排序

Signature: df.sort_index(axis=0, level=None, ascending=True, inplace=False, kind=‘quicksort’, na_position=‘last’, sort_remaining=True, by=None)
Docstring:Sort object by labels (along an axis)

(3)rank() #排名排在什么档次

df['rank']=df.city.rank()    #对city进行排名并赋值最后一列'rank'  默认升序
df['rank']=df.city.rank(ascending=False)    #对city进行排名并赋值最后一列'rank'  降序
df

df['rank']=df.city.rank(ascending=False,method=)    # 当有多个值相等排序时 method 的默认值是'average'
df['rank']=df.city.rank(ascending=False,method='max')    # 全部都是最大标签
df['rank']=df.city.rank(ascending=False,method='min')   # 全部都是最小标签
df['rank']=df.city.rank(ascending=False,method='first')   # 正常顺序标签

Signature: df.city.rank(axis=0, method=‘average’, numeric_only=None, na_option=‘keep’, ascending=True, pct=False)

(4)unique() #排除重复值，查询唯一值

df.city.unique()    #查询有哪些城市

array(['上海', '深圳', '北京', '广州', '杭州', '成都', '南京', '武汉', '西安', '厦门', '长沙',
       '苏州', '天津'], dtype=object)

(5) value_counts()

df.city.value_counts()    #查询对值进行计数   

北京    2347
上海     979
深圳     527
杭州     406
广州     335
成都     135
南京      83
武汉      69
西安      38
苏州      37
厦门      30
长沙      25
天津      20
Name: city, dtype: int64

Signature: df.city.value_counts(normalize=False, sort=True, ascending=False, bins=None, dropna=True)

Docstring:Returns object containing counts of unique values.

value_counts 是针对数组，而不能对数据框进行操作

(6) describe()

df.describe()    #进行基本的统计汇总函数
df.positionId.describe()    #对指定进行基本的统计

	positionId	companyId	rank
count	5.031000e+03	5031.000000	5031.0000
mean	2.185057e+06	57247.581594	2516.0000
std	4.501199e+05	47585.568414	1369.5695
min	8.030700e+04	43.000000	13.0000
25%	2.044390e+06	14883.000000	1405.0000
50%	2.348871e+06	47063.000000	2879.0000
75%	2.494286e+06	100149.000000	2879.0000
max	2.583183e+06	157744.000000	4542.0000

其他统计函数：

df.sum() #求和

df.mean() #均值

df.median() #中位数

df.std() #标准差

df.var() #方差

##但是一般还是较多使用 describe()

分析师：info–head–describe

(7) cumsum() #累加消费

df.avg.cumsum()    #一般是针对消费数据
df['cumsum']=df.avg.cumsum()    #赋值

(8) cut() #进行分段处理 分统处理

df.cut()   #cut是在pandas下面，而不是在DataFrame下面   (×)

pd.cut(df.positionId，bins=20)   #bins=20 分段间隔   labels  分类标签

Signature: pd.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, duplicates=‘raise’)

Docstring:Bin values into discrete intervals.