DataFrame—数据处理2

文章最前： 我是Octopus，这个名字来源于我的中文名--章鱼；我热爱编程、热爱算法、热爱开源。所有源码在我的个人github ；这博客是记录我学习的点点滴滴，如果您对 Python、Java、AI、算法有兴趣，可以关注我的动态，一起学习，共同进步。

一.数据分组 

#示例数据
df = pd.read_csv("pokemon_data.csv",encoding="gbk")
df.head(10)

数据位置

（1）np.where

通过条件判断来进行分组，满足条件的为一组，不满足条件的为另外一组

例如：攻击力大于或等于79的划分为强攻，攻击力小于79的划分为弱攻

df["Attack_score"] = np.where(df["attack"] >= 79,"A","D")

二.数据分列与合并

分列

#示例数据
df4 = pd.DataFrame({"name":["ray","jack","lucy","bob","candy"],
                    "h&w":["175-70","180-80","168-74","177-72","182-90"],
                    "score":[10,30,20,15,50]},
                  columns=["name","h&w","score"])
df4

	name	h&w	score
0	ray	175-70	10
1	jack	180-80	30
2	lucy	168-74	20
3	bob	177-72	15
4	candy	182-90	50

 需求：现在需要将h&w这一列的数据拆分开，分为身高列和体重列，并且拆分后的列需要在源数据里呈现出来

三. 排序

#示例数据
df = pd.read_csv("pokemon_data.csv",encoding="gbk")
df.head(10)

根据值排序

Q1：希望数据表按照“总计”字段的值来升序排列

df.sort_values(by="总计")    #默认就是升序排列

Q2：希望数据表按照“总计”字段的值来降序排列

df.sort_values(by="总计",ascending=False)  #添加ascending=False参数来降序排列

Q3：设置排序的一级关键词是总计，二级关键词为攻击力

#如果都做升序排列
df.sort_values(by=["总计","攻击力"])

#如果都做降序排列
df.sort_values(by=["总计","攻击力"],ascending=False)

#如果按照总计列做升序排列，但是总计相等的行按照攻击力做降序排列
df.sort_values(by=["总计","攻击力"],ascending=[True,False])

Q4:如果希望直接在修改源数据的基础上进行排序，添加参数inplace=True即可

#以升序排列为例
df.sort_values(by="总计",inplace=True)
df

升序排列

df.sort_index(inplace=True)
df

降序排列

df.sort_index(ascending=False,inplace=True)
df

四，排名

df_rank["rank"] = df_rank["总计"].rank(ascending=False,method="dense")
df_rank

五，转置

#示例数据
df5 = pd.DataFrame({"cost":[800,1000,1200],"sale":[1000,2000,2500]},index=["1月","2月","3月"])
df5

	cost	sale
1月	800	1000
2月	1000	2000
3月	1200	2500

#行索引和列索引进行转置
df5 = df5.T
df5

	1月	2月	3月
cost	800	1000	1200
sale	1000	2000	2500