Pandas常用操作命令（五）——数据排序sort_values

最新推荐文章于 2024-05-22 15:23:32 发布

Python当打之年

最新推荐文章于 2024-05-22 15:23:32 发布

阅读量6.3k

点赞数 4

分类专栏： Pandas技巧系列文章标签： pandas python 开发语言

本文链接：https://blog.csdn.net/weixin_42152811/article/details/125424048

版权

Pandas技巧系列专栏收录该内容

8 篇文章 20 订阅

订阅专栏

文章目录

🏳️‍🌈 5. 排序
推荐阅读

大家好，我是 👉【Python当打之年(点击跳转)】

本期为大家带来《 Pandas常用操作命令》的 第五篇 ，主要介绍在数据处理可视化过程中经常用到的一些指令，本系列在后期会不断进行补充更新，希望对你有所帮助，如有疑问或者需要改进的地方可以私信小编。

🏳️‍🌈 5. 排序

示例数据：

在这里插入图片描述

# 重命名列
df.columns = ['姓名','性别','语文','数学','英语','城市','省份']

5.1 拆分列,生成新的Dataframe

df1 = df['姓名'].str.split('-',expand=True)
df1.columns = ['学号','姓名']
df1['性别'] = df['性别']
df1['语文'] = df['语文']
df1['数学'] = df['数学']
df1['英语'] = df['英语']
df1['城市'] = df['城市']
df1['省份'] = df['省份']

df1.dropna(inplace = True)

在这里插入图片描述

5.2 重置索引

df_last = df1.reset_index(drop=True)

在这里插入图片描述

5.3 按照语文成绩升序排序，默认升序排列

df_last.sort_values('语文')

在这里插入图片描述

5.4 按照数学成绩降序排序

df_last.sort_values('数学', ascending=False)

在这里插入图片描述

5.5 先按语文成绩升序排列，再按数学成绩降序排列

df_last.sort_values(['语文','数学'], ascending=[True,False])

在这里插入图片描述

5.6 语文成绩80及以上

df_last[df_last['语文']>=80]

df_last.query('语文 > 80')

在这里插入图片描述

5.7 语文成绩80及以上以及数学成绩90分及以上

df_last[(df_last['语文']>=80) & (df_last['数学']>=90)]

在这里插入图片描述

5.8 语文成绩80及以上或数学成绩90分及以上

df_last[(df_last['语文']>=80) | (df_last['数学']>=90)]

在这里插入图片描述

5.9 输出成绩100的行和列号

row, col = np.where(df_last.values == 100)
print('%s\t%s'%(row,col))

[0 7]	 [4 5]

5.10 增加一列“省份-城市”

df_last['省份-城市'] = df_last['省份'] + '-' + df_last['城市']

在这里插入图片描述

5.11 增加一列总分

df_last['总分'] = df_last[['语文','数学','英语']].sum(axis = 1)

在这里插入图片描述

5.12 按照总分、语文、数学、英语成绩依次排序

df_last.sort_values(by =['总分','语文','数学','英语'],ascending=False)

在这里插入图片描述

5.13 新增一列表示学生语文成绩等级的列（优秀、良好、中等、不及格）

def get_letter_grade(score):
    if score>=90:
        return '优秀'
    elif score>=80:
        return '良好'
    elif score>=60:
        return '中等'
    else:
        return '不及格'
    
df_last['语文等级'] = df_last['语文'].apply(lambda score: get_letter_grade(score))