python/pandas/numpy数据分析（十）-函数, rank,重复索引

DataFrame的apply方法，将函数应用到行或者列形成的一维数组上.

frame=pd.DataFrame(np.random.randn(4,3),columns=list('bde'),index=['Utha','Ohio','Texas','Oregon'])
frame

.	b	d	e
Utha	-0.683356	-0.577942	-0.022012
Ohio	-0.230113	-1.240582	-0.497071
Texas	-0.487803	0.044398	0.958905
Oregon	-0.178136	-1.201671	-0.921106

np.abs(frame)

.	b	d	e
Utha	0.683356	0.577942	0.022012
Ohio	0.230113	1.240582	0.497071
Texas	0.487803	0.044398	0.958905
Oregon	0.178136	1.201671	0.921106

f=lambda x: x.max()- x.min()
frame.apply(f)

b    0.505220
d    1.284980
e    1.880011
dtype: float64

frame.apply(f, axis=1)
Utha      0.661344
Ohio      1.010468
Texas     1.446708
Oregon    1.023536
dtype: float64

除了标量以外，传递给apply的函数还可以返回由多个值组成的Series:

def f(x):
    return pd.Series([x.min(),x.max()], index=['min','max'])
frame.apply

.	b	d	e
min	-0.683356	-1.240582	-0.921106
max	-0.178136	0.044398	0.958905

frame.apply(f,axis=1)

.	min	max
Utha	-0.683356	-0.022012
Ohio	-1.240582	-0.230113
Texas	-0.487803	0.958905
Oregon	-1.201671	-0.178136

如果你想得到frame中各个浮点值的各个格式化字符串，使用applymap

format=lambda x: '%.2f' % x
frame.applymap(format)

.	b	d	e
Utha	-0.68	-0.58	-0.02
Ohio	-0.23	-1.24	-0.50
Texas	-0.49	0.04	0.96
Oregon	-0.18	-1.20	-0.92

之所以叫applymap,是因为Series中有个函数叫map

frame['e'].map(format)
Utha      -0.02
Ohio      -0.50
Texas      0.96
Oregon    -0.92
Name: e, dtype: objec

rank

rank函数返回从小到大排序的下标，对于平级的数，rank是通过“为各组分配一个平均排名”的方式破坏评级关系

obj = pd.Series([7,-5,7,4,2,0,4])
print (obj.rank())

0    6.5
1    1.0
2    6.5
3    4.5
4    3.0
5    2.0
6    4.5
dtype: float64

最小的为1
根据值在源数据中出现的顺序给出排名

obj.rank(method='first')
0    6.0
1    1.0
2    7.0
3    4.0
4    3.0
5    2.0
6    5.0
dtype: float64

也可以按照降序进行排名

obj.rank(ascending=False, method='max')
0    2.0
1    7.0
2    2.0
3    4.0
4    5.0
5    6.0
6    4.0
dtype: float64

最小的是7

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

from pandas import Series,DataFrame

#虽然pandas的很多函数（如reindex）要求标签唯一，但是并不具有强制性

obj = Series(range(5),index = list('aabbc'))

print obj

#索引是否唯一用is_unique看是否唯一

print obj.index.is_unique

#对于重复值的索引，选取的话返回一个Series，唯一的索引返回一个标量

print obj['a']

#对于DataFrame也是如此

df = DataFrame(np.random.randn(4,3),index = list('aabb'))

print df

print df.ix['b']

#####自己导入数据的时候数据处理之前可以做一下index唯一性等，自己创建DataFrame注意不能这样