【Python】pandas：排序、重复值、缺省值处理、合并、分组

pandas是Python的扩展库（第三方库），为Python编程语言提供 高性能、易于使用的数据结构和数据分析工具。

pandas官方文档：User Guide — pandas 2.2.2 documentation (pydata.org)

帮助：可使用help(...)查看函数说明文档（若是第三方库的函数，需先导入库）。例如：help(pd.DataFrame)，help(pd.concat)

---

Python代码中，导入pandas：

import pandas as pd

---

1、排序

（1-1）按索引排序：sort_index

sort_index(self, axis: 'Axis' = 0, level: 'Level | None' = None, ascending: 'bool | int | Sequence[bool | int]' = True, inplace: 'bool' = False, kind: 'str' = 'quicksort', na_position: 'str' = 'last', sort_remaining: 'bool' = True, ignore_index: 'bool' = False, key: 'IndexKeyFunc' = None)

注：默认axis=0 按行轴（按索引）排序，ascending=True 升序，inplace=False 不替换原DataFrame，na_position='last' NaN值在最后。

• DataFrame.sort_index( )：按索引升序排列，默认NaN值在最后。
• DataFrame.sort_index(ascending=False, na_position='first')：按索引降序排列，NaN值在最前面。
• DataFrame.sort_index(key=函数)：索引先传入函数操作，再按操作过的索引升序排列，默认NaN值在最后。

• DataFrame.sort_index( )：多索引，按第一列索引升序排列。
• DataFrame.sort_index(ascending=False)：多索引，按第一列索引降序排列。
• DataFrame.sort_index(level=指定索引列号)：多索引，按指定索引列升序排列，默认其他索引也接着排序。
• DataFrame.sort_index(level=指定索引列号, sort_remaining=False)：多索引，按指定索引列升序排列，其他索引不排序。
• DataFrame.sort_index(key=函数)：索引先传入函数操作，再按操作过的索引升序排列。
• 注：参数na_position对多索引不适用。

参数axis默认为0，按行索引排序。若axis=1，则按列索引排序。

（1-2）按数值排序：sort_values

sort_values(self, by, axis: 'Axis' = 0, ascending=True, inplace: 'bool' = False, kind: 'str' = 'quicksort', na_position: 'str' = 'last', ignore_index: 'bool' = False, key: 'ValueKeyFunc' = None)

注：默认axis=0 按行轴排序，ascending=True 升序，inplace=False 不替换原DataFrame，na_position='last' NaN值在最后。

• DataFrame.sort_values(by=指定列 )：按指定列（多列，用列表表示）升序排列，默认NaN值在最后。
• DataFrame.sort_values(by=指定列, ascending=False, na_position='first')：按指定列（多列，用列表表示）降序排列，NaN值在最前面。
• DataFrame.sort_values(by=指定列, key=函数)：指定列的数据先传入函数操作，再按操作过的数据升序排列，默认NaN值在最后。

参数axis默认为0，按指定列的数据排序。若axis=1，则按指定行的数据排序。

（1-3）指定列升序排序，显示前n行：nsmallest

nsmallest(self, n: 'int', columns: 'IndexLabel', keep: 'str' = 'first') -> 'DataFrame'

• DataFrame.nsmallest(n, 指定列名)：按指定列升序排列，并显示前n行。
• DataFrame.nsmallest(n, 指定列名, keep=重复数据指定显示方式)：按指定列升序排列，并显示前n行，若指定列数据相同，默认keep='first' 按数据顺序显示。若keep='last' 按数据倒序显示，若keep='all' 按顺序显示所有相同数据。
• 注：DataFrame.nsmallest(n, 指定列名) 等同于DataFrame.sort_values(指定列名, ascending=True).head(n)，但nsmallest性能更高。

若多列排序，排序列含有NaN，则NaN也会显示出来。

只能对数值列排序。

（1-4）指定列降序排序，显示前n行：nlargest

nlargest(self, n: 'int', columns: 'IndexLabel', keep: 'str' = 'first') -> 'DataFrame'

• DataFrame.nlargest(...) 同DataFrame.nsmallest(...) 用法相同，区别是nsmallest升序排列，nlargest降序排列。
• 注：DataFrame.nlargest(n, 指定列名) 等同于 DataFrame.sort_values(指定列名, ascending=False).head(n)，但nlargest性能更高。