df+series+reset_index+sort_values

戴噶猴，我又来了。我发现我的基础知识真的有问题。。。本来我在总结apply呢，然后第一段代码就报错。遇到了一万次TypeError: sort_values() got an unexpected keyword argument 'by’这个报错后，终于忍不住总结一波了。恍然大悟，还请大佬们多多指教！
结合df和series和rename这篇一起看吧~

#!/usr/bin/env python
# -*- coding:utf8 -*-
# @TIME  :2018/11/3 16:23
# @Author:Yolanda
# @File  :temp8.py

#反击啊！少女


from pandas import DataFrame as DF
import pandas as pd
data=pd.DataFrame({'A':[1,2,3,4],'B':[5,6,6,8],'C':[9,9,9,12]})


def column_types_table(data):
    print('Number of each type of columns:')
    count_dtype = data.dtypes.value_counts().reset_index()#总表每一类别总数，以列为单位
    count_dtype.columns = ['name','total']
    print(count_dtype)

    print('\nNumber of unique classes in each columns:')
    for i in count_dtype['name'].values:
        print('Type: ',i)#计算每一列不同类型的个数

        print(type(data.select_dtypes(i).nunique()))#<class 'pandas.core.series.Series'>
        print(type(data.select_dtypes(i).nunique().reset_index(drop=True)))#<class 'pandas.core.series.Series'>。注意！！
        print(type(data.select_dtypes(i).nunique().reset_index()))#<class 'pandas.core.frame.DataFrame'>
        # reset_index()之后，series会强制转换为df，df还是df。
        # reset_index(drop=True)之后，series还是series，df还是df。

        # 第一种写法：series
        print(data.select_dtypes(i).nunique())
        # A    4
        # B    3
        # C    2
        # dtype: int64

        # 第二种写法：df，所以有默认列名
        print(data.select_dtypes(i).nunique().reset_index())
        #   index  0
        # 0     A  4
        # 1     B  3
        # 2     C  2

        # 第三种写法：series
        print(data.select_dtypes(i).nunique().reset_index(drop=True))
        # 0    4
        # 1    3
        # 2    2
        # dtype: int64

        # 第四种写法：df，修改默认列名0为nunique
        print(data.select_dtypes(i).nunique().reset_index().rename(columns={0:'NUNIQUE'}))
        #   index  NUNIQUE
        # 0     A        4
        # 1     B        3
        # 2     C        2

        # 第五种写法：series，rename没用，rename对于df才有用
        print(data.select_dtypes(i).nunique().reset_index(drop=True).rename(columns={0:'NUNIQUE'}))
        # 0    4
        # 1    3
        # 2    2
        # dtype: int64

        # 第六种写法：对于df，没有rename列名，那sort_values用法是sort_values(by=[0])，默认升序
        print(data.select_dtypes(i).nunique().reset_index().sort_values(by=[0],ascending=False))
        #   index  0
        # 0     A  4
        # 1     B  3
        # 2     C  2

        # 第七种写法：对于df，rename列名后，那sort_values用法是sort_values(by=['列名'])，默认升序
        print(data.select_dtypes(i).nunique().reset_index().rename(columns={0:'NUNIQUE'}).sort_values(by=['NUNIQUE'],ascending=False))
        #   index  NUNIQUE
        # 0     A        4
        # 1     B        3
        # 2     C        2

        # 第八种写法：对于df，没有rename列名，那sort_values用法是sort_values(by=[0])，默认升序，可以最后再rename列名
        print(data.select_dtypes(i).nunique().reset_index().sort_values(by=[0], ascending=False).rename(columns={0: 'NUNIQUE'}))
        #   index  NUNIQUE
        # 0     A        4
        # 1     B        3
        # 2     C        2

        # 第九种写法：对于series，rename没用，那sort_values用法是sort_values(0)，默认升序
        print(data.select_dtypes(i).nunique().reset_index(drop=True).rename(columns={0:'NUNIQUE'}).sort_values(0,ascending=False))
        # 0    4
        # 1    3
        # 2    2
        # dtype: int64

        # 第十种写法：等价于第八种写法，结尾再drop也没用
        print(data.select_dtypes(i).nunique().reset_index().sort_values(by=[0], ascending=False).rename(columns={0: 'NUNIQUE'}).reset_index(drop=True))
        #   index  NUNIQUE
        # 0     A        4
        # 1     B        3
        # 2     C        2

        # 第十一种写法：等价于第八种写法，只不过这么写可以不加重复index，因为加了drop=True就变成series了，没法放列名，而不加drop=True，可以加列名又不能去掉重复index。
        # 也就是不使用reset_index来转化为df，直接使用DF，不会多加index。apply(pd.Series.nunique, axis=0)的axis=0可以不加，默认按行，如果等于1，就是按列
        print(DF(data.select_dtypes(i).apply(pd.Series.nunique, axis=0)). \
              sort_values(by=[0], ascending=False).rename(columns={0: 'NUNIQUE'}))  # 按列0排序，没有给名字的时候，转化成df是自动命名01234
        #    NUNIQUE
        # A        4
        # B        3
        # C        2

        # 第十二种写法：等价于第十一种写法，直接使用DF，不会多加index。
        # nunique()等价于nunique(axis=0)等价于apply(pd.Series.nunique)等价于apply(pd.Series.nunique, axis=0)，改成1就是按列。
        print(DF(data.select_dtypes(i).nunique()).sort_values(by=[0], ascending=False).rename(columns={0: 'NUNIQUE'}))
        #    NUNIQUE
        # A        4
        # B        3
        # C        2

column_types_table(data)

总结：
一、rename
1、 df，所以有默认列名，rename可用
2、 series，无默认列名，rename没用
二、apply
1、nunique()等价于nunique(axis=0)等价于apply(pd.Series.nunique)等价于apply(pd.Series.nunique, axis=0)，改成1就是按列。
三、 sort_values
1、 对于df，没有rename列名，那sort_values用法是sort_values(by=[0])，默认升序，可以最后再rename列名
2、 对于df，rename列名后，那sort_values用法是sort_values(by=[‘列名’])，默认升序
3、 对于series，rename没用，那sort_values用法是sort_values(0)，默认升序
四、 转换类型
1、 reset_index()之后，series会强制转换为df并多加了一列index，df还是df。
2、 reset_index(drop=True)之后，series还是series，df还是df。
3、 直接使用DF转换为df，不会多加index。from pandas import DataFrame as DF