1. Pandas DataFrame 数据排序与排名详解
在 Pandas 中，数据排序与排名 是常见的数据处理操作。通过排序和排名，可以对数据进行组织，方便后续分析和展示。主要的函数有：
sort_values()：用于排序DataFrame或Series的值。sort_index()：按照索引进行排序。rank()：为数据赋予排名。
1. sort_values() 函数
sort_values() 用于对 DataFrame 或 Series 中的一个或多个列进行排序。它支持升序和降序排序，并可以处理缺失值。
语法：
df.sort_values(by, axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last', ignore_index=False, key=None)
by：指定要排序的列或列的名称。如果是多个列，可以传递一个列表。axis：排序的轴，默认值为0，表示按行排序；设置为1时表示按列排序。ascending：是否升序排列，默认值为True（升序）。如果是多个列，可以传递一个布尔值列表。inplace：是否修改原始DataFrame，默认为False，返回排序后的数据。kind：排序算法，可以是'quicksort'、'mergesort'或'heapsort'。na_position：如何处理缺失值，'last'（默认）将缺失值放在最后，'first'将缺失值放在最前面。
示例 1：按单列升序排序
import pandas as pd
# 创建示例 DataFrame
df = pd.DataFrame({
'Name': ['Alice', 'Bob', 'Charlie', 'David'],
'Age': [24, 30, 35, 28],
'Salary': [50000, 60000, 70000, 80000]
})
# 按 'Age' 列升序排序
df_sorted = df.sort_values(by='Age')
print(df_sorted)
输出：
Name Age Salary
0 Alice 24 50000
3 David 28 80000
1 Bob 30 60000
2 Charlie 35 70000
示例 2：按多列排序
# 按 'Age' 升序排序，如果 'Age' 相同，则按 'Salary' 降序排序
df_sorted = df.sort_values(by=['Age', 'Salary'], ascending=[True, False])
print(df_sorted)
输出：
Name Age Salary
0 Alice 24 50000
3 David 28 80000
1 Bob 30 60000
2 Charlie 35 70000
示例 3：处理缺失值排序
# 添加缺失值并进行排序
df_with_na = pd.DataFrame({
'Name': ['Alice', 'Bob', 'Charlie', 'David'],
'Age': [24, None, 35, 28],
'Salary': [50000, 60000, 70000, 80000]
})
# 按 'Age' 升序排序，将缺失值放在最后
df_sorted = df_with_na.sort_values(by='Age', na_position='last')
print(df_sorted)
输出：
Name Age Salary
0 Alice 24.0 50000
3 David 28.0 80000
2 Charlie 35.0 70000
1 Bob NaN 60000
2. sort_index() 函数
sort_index() 用于按索引对 DataFrame 或 Series 进行排序。
语法：
df.sort_index(axis=0, level=None, ascending=True, inplace=False, kind='quicksort', na_position='last', ignore_index=False)
axis：排序的轴，0为按行排序，1为按列排序。level：多级索引时，指定要排序的级别。ascending：是否升序排列。inplace：是否修改原始DataFrame。na_position：如何处理缺失值。
示例：按索引排序
# 创建示例 DataFrame
df = pd.DataFrame({
'Name': ['Alice', 'Bob', 'Charlie', 'David'],
'Age': [24, 30, 35, 28],
'Salary': [50000, 60000, 70000, 80000]
}, index=[3, 1, 2, 4])
# 按索引升序排序
df_sorted = df.sort_index(ascending=True)
print(df_sorted)
输出：
Name Age Salary
1 Bob 30 60000
2 Charlie 35 70000
3 Alice 24 50000
4 David 28 80000
3. rank() 函数
rank() 用于为数据列分配排名，可以处理相同的值，并支持不同的排名方法（例如平均排名、最小排名等）。
语法：
df.rank(axis=0, method='average', numeric_only=None, na_option='keep', ascending=True, pct=False)
axis：指定沿着哪一轴排名，0为按行排名，1为按列排名。method：排名的方法，常见的有'average'（平均排名）、'min'（最小排名）、'max'（最大排名）、'first'（按出现顺序排名）、'dense'（密集排名）。na_option：处理缺失值的方法，'keep'保留缺失值，'top'将缺失值排在顶部，'bottom'将缺失值排在底部。ascending：是否升序排列。pct：如果为True，则返回百分比排名（0到1之间的浮动值）。
示例 1：按单列排名
# 创建示例 DataFrame
df = pd.DataFrame({
'Name': ['Alice', 'Bob', 'Charlie', 'David'],
'Age': [24, 30, 35, 28],
'Salary': [50000, 60000, 70000, 80000]
})
# 按 'Salary' 排名
df['Salary_Rank'] = df['Salary'].rank()
print(df)
输出：
Name Age Salary Salary_Rank
0 Alice 24 50000 1.0
1 Bob 30 60000 2.0
2 Charlie 35 70000 3.0
3 David 28 80000 4.0
示例 2：处理重复值排名
# 创建包含重复值的示例 DataFrame
df = pd.DataFrame({
'Name': ['Alice', 'Bob', 'Charlie', 'David'],
'Salary': [50000, 50000, 70000, 80000]
})
# 按 'Salary' 排名，使用平均排名方法
df['Salary_Rank'] = df['Salary'].rank(method='average')
print(df)
输出：
Name Salary Salary_Rank
0 Alice 50000 1.5
1 Bob 50000 1.5
2 Charlie 70000 3.0
3 David 80000 4.0
示例 3：百分比排名
# 创建示例 DataFrame
df = pd.DataFrame({
'Name': ['Alice', 'Bob', 'Charlie', 'David'],
'Salary': [50000, 60000, 70000, 80000]
})
# 按 'Salary' 排名，返回百分比排名
df['Salary_Percent_Rank'] = df['Salary'].rank(pct=True)
print(df)
输出：
Name Salary Salary_Percent_Rank
0 Alice 50000 0.25
1 Bob 60000 0.50
2 Charlie 70000 0.75
3 David 80000 1.00
总结
在 Pandas 中，排序和排名是非常常见的操作：
sort_values()：用于按列的值进行排序，可以升序或降序排列，支持多个排序条件。sort_index()：按索引对数据进行排序。rank()：为数据分配排名，支持多种排名方法和缺失值处理。
这些操作在数据分析和数据预处理阶段非常有用，尤其是在需要对数据进行排序、排名、排名平局处理等任务时。
2. Pandas DataFrame 数据排序与排名综合实战
在本部分中，我们将通过一个综合实战案例，展示如何使用 Pandas 进行 数据排序与排名，以帮助您更好地理解如何在实际应用中处理数据。假设我们有一个包含学生成绩的 DataFrame，我们将根据成绩进行排序，并为每个学生分配排名。
1. 创建示例数据集
首先，我们创建一个包含学生姓名、学科和成绩的 DataFrame。
import pandas as pd
# 创建包含学生成绩的 DataFrame
data = {
'Student': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
'Math': [85, 92, 78, 88, 93],
'English': [88, 78, 92, 85, 90],
'Science': [90, 85, 88, 92, 91]
}
df = pd.DataFrame(data)
print(df)
输出：
Student Math English Science
0 Alice 85 88 90
1 Bob 92 78 85
2 Charlie 78 92 88
3 David 88 85 92
4 Eva 93 90 91
2. 数据排序
按单科成绩排序
我们可以根据某一科目的成绩对学生进行排序，假设我们要根据数学成绩对学生进行降序排序。
# 按数学成绩进行降序排序
df_sorted_math = df.sort_values(by='Math', ascending=False)
print(df_sorted_math)
输出：
Student Math English Science
4 Eva 93 90 91
1 Bob 92 78 85
3 David 88 85 92
0 Alice 85 88 90
2 Charlie 78 92 88
按多科成绩排序
如果我们想要根据多科成绩进行排序（例如，先按数学成绩排序，数学成绩相同的按英语成绩排序），可以使用多个排序条件。
# 先按数学成绩降序排序，若数学成绩相同，再按英语成绩降序排序
df_sorted_multi = df.sort_values(by=['Math', 'English'], ascending=[False, False])
print(df_sorted_multi)
输出：
Student Math English Science
4 Eva 93 90 91
1 Bob 92 78 85
3 David 88 85 92
0 Alice 85 88 90
2 Charlie 78 92 88
3. 数据排名
计算单科排名
我们可以为每一位学生在数学、英语和科学成绩上分别分配排名，使用 rank() 方法。默认情况下，rank() 会为相同成绩的学生分配相同的排名（平均排名）。
# 为每一科成绩分配排名
df['Math_Rank'] = df['Math'].rank(ascending=False)
df['English_Rank'] = df['English'].rank(ascending=False)
df['Science_Rank'] = df['Science'].rank(ascending=False)
print(df)
输出：
Student Math English Science Math_Rank English_Rank Science_Rank
0 Alice 85 88 90 4.0 2.0 2.0
1 Bob 92 78 85 2.0 5.0 5.0
2 Charlie 78 92 88 5.0 1.0 4.0
3 David 88 85 92 3.0 4.0 1.0
4 Eva 93 90 91 1.0 3.0 3.0
修改排名方法
可以改变排名的方法。例如，使用 'min' 方法可以为相同成绩的学生分配相同的最小排名。
# 使用 'min' 方法进行排名
df['Math_Rank_Min'] = df['Math'].rank(method='min', ascending=False)
df['English_Rank_Min'] = df['English'].rank(method='min', ascending=False)
df['Science_Rank_Min'] = df['Science'].rank(method='min', ascending=False)
print(df)
输出：
Student Math English Science Math_Rank English_Rank Science_Rank Math_Rank_Min English_Rank_Min Science_Rank_Min
0 Alice 85 88 90 4.0 2.0 2.0 4.0 2.0 2.0
1 Bob 92 78 85 2.0 5.0 5.0 2.0 5.0 5.0
2 Charlie 78 92 88 5.0 1.0 4.0 5.0 1.0 4.0
3 David 88 85 92 3.0 4.0 1.0 3.0 4.0 1.0
4 Eva 93 90 91 1.0 3.0 3.0 1.0 3.0 3.0
百分比排名
如果需要计算学生成绩的百分比排名，可以设置 pct=True。
# 计算百分比排名
df['Math_Percent_Rank'] = df['Math'].rank(pct=True)
df['English_Percent_Rank'] = df['English'].rank(pct=True)
df['Science_Percent_Rank'] = df['Science'].rank(pct=True)
print(df)
输出：
Student Math English Science Math_Rank English_Rank Science_Rank Math_Rank_Min English_Rank_Min Science_Rank_Min Math_Percent_Rank English_Percent_Rank Science_Percent_Rank
0 Alice 85 88 90 4.0 2.0 2.0 4.0 2.0 2.0 0.25 0.50 0.50
1 Bob 92 78 85 2.0 5.0 5.0 2.0 5.0 5.0 0.75 0.00 0.00
2 Charlie 78 92 88 5.0 1.0 4.0 5.0 1.0 4.0 0.00 1.00 0.25
3 David 88 85 92 3.0 4.0 1.0 3.0 4.0 1.0 0.50 0.25 1.00
4 Eva 93 90 91 1.0 3.0 3.0 1.0 3.0 3.0 1.00 0.75 0.75
4. 总成绩排名
如果我们需要根据总成绩（例如所有科目成绩的和或平均值）进行排名，可以创建一个新的列，计算每个学生的总成绩或平均成绩，然后对其进行排名。
# 计算总成绩并进行排名
df['Total'] = df[['Math', 'English', 'Science']].sum(axis=1)
df['Total_Rank'] = df['Total'].rank(ascending=False)
print(df)
输出：
Student Math English Science Math_Rank English_Rank Science_Rank Math_Rank_Min English_Rank_Min Science_Rank_Min Math_Percent_Rank English_Percent_Rank Science_Percent_Rank Total Total_Rank
0 Alice 85 88 90 4.0 2.0 2.0 4.0 2.0 2.0 0.25 0.50 0.50 263.0 4.0
1 Bob 92 78 85 2.0 5.0 5.0 2.0 5.0 5.0 0.75 0.00 0.00 255.0 5.0
2 Charlie 78 92 88 5.0 1.0 4.0 5.0 1.0 4.0 0.00 1.00 0.25 258.0 3.0
3 David 88 85 92 3.0 4.0 1.0 3.0 4.0 1.0 0.50 0.25 1.00 265.0 2.0
4 Eva 93 90 91 1.0 3.0 3.0 1.0 3.0 3.0 1.00 0.75 0.75 274.0 1.0
总结
通过这个综合实战，我们展示了如何在 Pandas 中使用 排序与排名 函数来组织数据：
sort_values()：按列值对数据进行排序。rank()：为数据列分配排名，并支持多种排名方法。- 百分比排名：为每个数据计算百分比排名，表示数据在所有项中的相对位置。
Total_Rank：通过计算总成绩进行排名，常用于综合分析。
这些方法可以广泛应用于数据清洗、分析和报告生成等场景。
扫一扫
709
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
