第三章. Pandas入门—数据排序与排名

第三章. Pandas入门

3.9 数据排序与排名

1.DataFrame数据排序时主要使用sort_values：

DataFrame.sort_values(by,axis=0,ascending=True,inplace=False,kind='quicksort',na_position='last',ignore_index=False)

参数说明:
by:要排序的名称列表
axis:轴，0：行 1：列，默认值：0
ascending:升序还是降序排列
inplace:是否就地排序
kind:指定排序算法，quicksort：快速排序 ；mergesort:混合排序；heapsort:堆排，默认值quicksort
na_position：空值的位置：first:空值在数据开头 last:空值在数据最后，默认值：last
ignore_index：是否忽略索引

2. 按列数据排序：

1).一列：

import pandas as pd

pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)
df = pd.read_excel('D:\\MTF_data.xlsx')
print(df)
print('*' * 50)

#按一列进行排序
df1 = df.sort_values(by='SFR', ascending=False)
print(df1)
print('*' * 50)

结果展示:

2).多列：

 多行排序是按照给定列的前后顺序进行排序，后一次的排序是在前一次重复数据的基础上进行排序的

import pandas as pd

pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)
df = pd.read_excel('D:\\MTF_data.xlsx')
print(df)
print('*' * 50)

#按多列进行排序
df2 = df.sort_values(by=['MTF', 'SFR'], ascending=[False, False])
print(df2)
print('*' * 50)

结果展示:

3).对统计结果排序：

 统计结果排序是把不同类型的进行分组，然后在按照类别进行排序

import pandas as pd

pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)
df = pd.read_excel('D:\\MTF_data.xlsx')
print(df)
print('*' * 50)

#对分组统计数据进行排序
df1=df.groupby(['Spec'])['MTF'].sum().reset_index()
df2 = df1.sort_values(by='MTF', ascending=False)
print(df2)
print('*' * 50)

结果展示:

3.按行数据排序：

import pandas as pd

pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)
df = pd.read_excel('D:\\MTF_data.xlsx')
print(df)
print('*' * 50)

#对行进行排序
df2 = df.sort_values(by=5, ascending=False,axis=1)
print(df2)
print('*' * 50)

结果展示:

4.数据排名：

1).设某列为行索引：

 排名主要是根据Series或DataFrame对象的某几列的值进行排名，主要使用rank方法，语法如下：

DataFrame.rank(axis=0, method=’average’, numeric_only=None, na_option=’keep’, ascending=True, pct=False)

参数说明:
axis：轴，0:行，1:列
method：表示在具有相同值得情况下所使用的方法：

关键字	含义
average	平均排名（默认值）
min	最小值
max	最大值
first	按值在原始数据中出现的顺序分配排名
dense	类似于最小值排名，但是排名每次只增加一，即排名相同的名词只占一个名次

numeric_only：Ture:只对数字列进行排序
na_option:空值的排序方式 keep:保留；top：若是升序排序，将最小排名赋值给NaN;bottom:若是升序排序，将最大排名赋值给NaN
ascending：升序还是降序排序，默认升序
pct：是否以百分比的形式返回排名，默认False

2).顺序排名：

import pandas as pd

pd.set_option('display.unicode.ambiguous_as_wide', True)
pd.set_option('display.unicode.east_asian_width', True)
df = pd.read_excel('D:\\MTF_data.xlsx')
print(df)
print('*' * 50)

df2 = df.sort_values(by='MTF', ascending=False)
#对MTF进行排名
df2['Num'] = df2['MTF'].rank(method="first", ascending=False)
print(df2[['MTF', 'Num']])
print('*' * 50)

#平均排名
df2['Num'] = df2['MTF'].rank(method="average", ascending=False)#method=max,min
print(df2[['MTF', 'Num']])
print('*' * 50)

结果展示: