dataframe 列 去重_如何利用Pandas实现行对齐和列对齐？

　　Pandas 使用行索引和列标签表达和分析数据，分别对应 axis=0, axis=1，行索引、列标签带来一些便捷的功能。那么如何利用Pandas实现行对齐和列对齐?今天番茄加速就来讲一下。

　　如果玩Pandas，还没有注意到对齐 alignment，这个特性，那该好好看看接下来的分析。

　　基于行索引的对齐，与基于列标签的对齐，原理是一致的，它们其实相当于字典的 key，起到对齐数据作用。但是，这种说法抽象了些，没有例子不好想象出对齐的作用。

　　下面使用google app store 重点分析“行对齐”功能，理解它后，列对齐也自然理解。

　　导入包：

　　import pandas as pd

　　import numpy as np

　　import matplotlib.pyplot as plt

　　import seaborn as sns

　　版本号：

　　print(pd.__version__)

　　print(np.__version__)

　　print(sns.__version__)

　　1.0.1

　　1.18.1

　　0.11.0

　　导入数据：

　　df = pd.read_csv('kaggle-data/googleplaystore.csv')

　　df.head(3)

　　图片

　　剔除一些异常数据后得到 df_normal，根据 Rating 为每个 app 排名

　　rank = df_normal.Rating.rank(method='min',na_option='bottom',ascending=False)

　　rank.head(3)

　　method 参数指定：Rating 值相等时排名取小，na_option 指定空值排到最后，ascending 指定倒序

　　将上面得到的新列 rank 插入 df_normal 中：

　　df_normal.insert(2,'rank', rank, allow_duplicates=True)

　　df_normal.head(3)

　　因为 df_normal 和 rank 的行索引 index 都是从0 开始的自增，所以即便没有自动对齐，也是准确的：

　　但是，你看下面的情况，自动对齐的方便性就能显示出来

　　根据 Reviews 列排序

　　### 根据 Reviews 次数从少到多排序

　　df_by_reviews = df_normal.sort_values(by='Reviews')

　　df_by_reviews.head(3)

　　得到 df_by_reviews ，注意它的 index 不是按照从0自增

　　图片

　　此时在 df_by_reviews 中，插入 rank 还能确保数据对齐吗

　　### 此时插入排名 rank 列，数据会自动对其

　　df_by_reviews.insert(3,'rank_copy',rank)

　　df_by_reviews.head()

　　看到 rank 列 和 rank_copy 列相等，通过下面一行代码验证出来：

　　len( df_by_reviews[ df_by_reviews['rank'] == df_by_reviews['rank_copy'] ]) == len(df_by_reviews)

　　由此可见，Pandas已经为数据自动对齐。

　　但是，如果 rank 的 index 某些索引值没有出现在 df_by_reviews中， 此时又会怎么对齐呢?

　　### 如果后者index序列中某些值没有出现在df_by_reviews的index中

　　### 举个例子

　　df_test = pd.DataFrame({'a':[1,4,7],'b':[5,2,1]},index=[4,3,1])

　　ser = pd.Series(index=[3,2,1],data=[0,9,8])

　　结果ser 索引值 2 在 df_test 中找不到对应，故为 NaN

　　以上就是 Pandas 数据对齐的一个基本介绍，知道这些基本原理后再去使用Pandas 做数据分析，心里才会更有谱。