Pandas的基础操作：排序／设置行索引

刚刚使用Python进行数据分析，分享一些概念和想法，希望可以大家一起讨论，如果理解或者表达有不准确的地方，请多多指点，不吝赐教，非常感谢～～

本文将介绍Pandas操作的最后一个部分，前两篇分别是：
《Pandas的基础操作：介绍／创建／查看数据／赋值》：https://blog.csdn.net/weixin_42969619/article/details/96863875
《Pandas的基础操作：合并数据.merge()函数的使用》：https://blog.csdn.net/weixin_42969619/article/details/97132359

---

8. 排序：

（1）索引排序：data.sort_index()

应用场景：在使用sklean的时候，会将原数据随机抽取一部分作为“训练集”，这是随机抽取的结果就会打乱原数据的索引，当不需要改变索引，但是需要从新排序时

参数说明：
a. 参数axis：默认值为0表示按行索引排序；axis=1时表示按列索引排序
b. 参数by：指定列名，默认值为空
c. 参数ascending：默认值为True表示正序；ascending=False时表示倒序
d. 参数inpalce：是否用排序后的数据集替换原来的数据，默认为False，即不替换

以下列数据为例：

data = pd.DataFrame({'A': ['food','fruit','food','fruit',
                         'food','water','food','fruit'],
                   'D': ['one','one','two','three',
                         'two','two','one','three'],
                   'C': np.random.randint(5,size=8),
                   'B': np.random.randn(8)})                  

• axis=1时，按照列索引的大小排序，且ascending=True／inpalce=False

data.sort_index(axis=1) 

其中axis=0默认的情况即为原始数据；没有指定index所以系统自动生成从小到大的行索引
排序之后，重新打印data显示原始数据，因为参数inplace=False

• 按照"D"和"C"列进行排序，且ascending=True／inpalce=False

data.sort_index(by="D")
data.sort_index(by=["D","C"])

需要注意的是：
a. 只对"D"排序的时候，按照字母顺序：one>three>two
b. 对"D"和"C"一起排序的时候，是先排"D"列，如果"D"列中有重复值时，才会根据"C"列内容排序
c. 排序之后，重新打印data显示原始数据，因为参数inplace=False

• 按照列索引的大小排序即axis=1，但ascending=False且inpalce=True

data.sort_index(axis=1,ascending=False,inplace=True)
data

此时由于参数inpalce=True，所以修改的原数据，从新打印data时，是被操作过的数据

（2）按照某列的值进行排序：data.sort_values(by="X")

参数说明：
a. 参数by：指定列名，必填参数
b. 参数axis：默认值为0表示按行索引排序；axis=1时表示按列索引排序
c. 参数ascending：默认值为True表示正序；ascending=False时表示倒序
d. 参数inpalce：是否用排序后的数据集替换原来的数据，默认为False，即不替换
e. 参数na_position：设定缺失值的显示位置，可以选择‘first’或‘last’

以上面数据data为例，但是重新对其附一些空值

# 对5行0列的数字附空值；对“B”列中1，2行两个值附空值
data.iat[5,0]=np.nan
data.loc[df.index[1:3],"B"]=np.nan
data

• 按列"A"和"C"列进行排序，并设置na_position=“last”

data.sort_values(by=["A","C"],na_position="last")

9. 设定索引：

（1）将数据中的列作为行索引：

data.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False)

参数说明：

a. 设置索引的参数是keys
b. append添加新索引
c. drop为False时，成功设置了index，同时列数据中仍然保存着index字段
d. inplace为True时，修改了原始数据

使用原始的data数据作为例子：

• 将"A"和"D"列作为行索引

# 对比设置index顺序不同的结果
df.set_index(keys=['A', 'D'])
df.set_index(keys=['D','A'])

可以看出来，虽然后者的操作后，看上去好像将"D"中重复的数据而"A"中不重复的数据进行堆叠，形成看似有“层级”关系的状态；
但实际上仍然是在临近数据有相同值时省略表示而已。
如果需要“层级”的表现，需要对数据进行更复杂操作

（2）还原索引：

应用场景：在使用contact等合并数据之后，index可能发生重复；或者在进行排序，删除等操作时，index会发生顺序混乱。这些不是我们希望的那样，所以，除了对行索引排序以外，还可能需要对行索引进行重新设置

data.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill=”)

由于上面数据没有办法很好显示出来“层级”的关系，所以重新创建数据，并以其作为例子：

index = pd.MultiIndex.from_product([['TX', 'FL', 'CA'], ['North', 'South']], 
                                   names=['State', 'Direction'])
data1 = pd.DataFrame(index=index, data=np.random.randint(0, 10, (6,4)), columns=list('abcd'))

• 没有传入任何参数，即drop=False时，默认是将全部级别的行索引都转为列数据，并使用一个RangeInddex来作为新索引。

data1.reset_index()

效果等同于 data1.reset_index(level=[‘State’,’Direction’])

• 使用level参数可以选择指定的行索引

data1.reset_index(level=1) 
# or 
data1.reset_index(level=‘Direction’)