python进阶9-pandas的应用（Python基础之pandas库三）

python进阶9-pandas的应用（Python基础之pandas库三）df.sort_index(axis=0 ascending=True inplace=Ture)sort_index：对索引进行排序，包括横索引和竖索引，一般形式如下：DataFrame对象的数据结构是二维的，而二维数据常用到的操作是转置2.排序与排名Python3以上版本用的sort_index和sort_values方法对DataFrame对象数据进行排序

本系列内容所用Python版本为anaconda，直接浏览器搜索下载安装即可！

---

今天继续学习DataFrame对象的有关知识。

一、DataFrame对象的操作

1.转置

DataFrame对象的数据结构是二维的，而二维数据常用到的操作是转置

2.排序与排名

Python3以上版本用的sort_index和sort_values方法对DataFrame对象数据进行排序

sort_index：对索引进行排序，包括横索引和竖索引，一般形式如下：

df.sort_index(axis=0 ascending=True inplace=Ture)

该表达式仅列出了常用的参数，其中axis表示轴向，取0时表示横轴，即对行索引进行排序，取1时表示纵轴，ascending表示排序方式，True为升序，False表示降序，inplace表示是否复制备份进行排序操作，True表示不复制，在原df对象上操作，False表示复制备份进行操作，取False时需重新定义变量接收该排序操作的返回对象

对行索引排序

排序前：fia，排序后：afi

对列索引排序

排序前：Agd，排序后：Adg

降序排序

复制拷贝待排序对象

sort_values：值进行排序，一般形式如下：

df.sort_values(by= axis=0 ascendinf=True inplace=True)

该表达式的参数与sort_index的参数基本一致，不过多了个by参数，这个参数是指按哪个变变量的值排序（这里可以是列变量、也可以是横变量）

分别对行数据和列数据排序，需要注意的是当参数by取行变量时，axis参数要取1，当参数by取列变量时，axis参数要取0

对多列进行联合排序

联合排序的意思是当目标待排序变量有相同值时，按照第二变量进行排序，以确定待排序变量相同值的顺序，上述代码中，希望对A列的值升序排序，发现有两个2，于是对b中c、a对应的值进行降序排序，最终确定A列值的排序

sort_values中还有一个参数na_position，其表示缺失值的位置，取first时排在顺序前面，取last时排在顺序后面

对变量a的值降序排序，将缺失值排在顺序前面

值排名：rank函数

其中排名方式的参数取值有：first、min、max、average，举个例子，如果有一行数4 5 5 7 8 8，9，按照first参数排名则为1234567，按照min参数排名则为1224557，按照max参数排名则为1334667，按照average参数排名则为1、2.5、2.5、4、5.5、5.5、7

3.增加行或是列

对DataFrame对象添加一列

添加列时按照index对齐，没有的数字用nan填充

横向合并操作：concat方法

纵向合并操作：append方法

4.删除操作

删除行，drop()方法 参数为index包含的datetime时间对象

可以看出是复制操作，原DataFrme并没有改变

drop参数时index包含的datetime时间对象就行

删除列，drop()方法，参数为列索引变量，axis参数为1

在原DataFrame对象上直接操作，del方法

5.替换操作

有时我们需要对数据集中的数据进行替换，可以先找到需要替换的索引然后进行重新赋值

标签索引替换

位置索引替换

重置索引，如果对DataFrame对象调用reindex函数，将返回一个新的DataFrame对象，其index和columns是reindex的参数，如果新对象的索引或列名原对象中没有数据，则引入缺失值

一、DataFrame对象的运算

1.简单运算

在分析数据时，不可避免的要对两个数据集进行运算，而当两个数据集进行运算时，有两个不可避免的核心问题：一是数据之间如何匹配运算，二是如何处理不匹配的数据。我们知道pands中的两种数据结构Series和DataFrame的特点是index，其中后者还多了个columns，自然想两数据集运算时用index和columns匹配运算，用 、-、*、/来实现运算的话，Series和Series之间是index匹配运算，无法匹配的用nan填充，Series和DataFrame之间则是index和columns匹配运算，运算的方式是将DataFrame的每一行都与Serise进行运算，无法匹配的用nan填充，DataFrame和DataFrame运算时同时匹配index和columns运算，无法匹配的用nan填充

Series和Series之间的运算

匹配不到的index用nan填充

Series和DataFrame之间的运算

DataFrame的每一行都与Series匹配运算

DataFrame和DataFrame之间的运算

2.函数应用与映射

DataFrame是数据集，有时我们需要对数据的单独行或是列进行函数操作，肯定可以逐行或逐列分析，但未免太过繁琐，pandas包里有很简便的函数apply可以实现，及基本形式如下：

DataFrame.apply(func axis=0)，其中func是对列或行应用的函数，axis表示对行还是列操作

pd.date_range方法可以生成datetime序列

也可以自定义函数

用lamda创建匿名函数

三、数据规整化

1.缺失值的处理

缺失值的判断

前面的数据运算中，由于匹配运算匹配机制，运算结果中可能会出现缺失值，为了后续计算我们就需要对缺失值进行处理，首先第一步就要判断缺失值

df6中存在缺失值

用isnull和notnull方法都可以判断缺失值，其中谴责缺失值返回True，后者返回False

选出不是缺失值的数据

选出了a列中的数据

缺失值的填充

有时候我们想用实际的值代替缺失值，这就需要用到pandas的填充函数

函数表达式为：DataFrame.fillna(value=none method=none axis=none inplace=False limit=none)，其中value是缺失值位置填充值，可以是数值也可以是字符串，method是填充方式默认为none，也可以是ffill和pad或是bfill和backfill，其中ffill和pad是用行或列上一个观测值填充，bfill和backfill是用行或列下一个观测值填充，axis和method参数配合使用，limit意为最多连续填充几个数值，inplace则表示是否拷贝原对象进行操作，False拷贝，True不拷贝

全部用0填充

用上一行，上一列填充

用下一行、下一列填充

缺失值的选择删除

pandas提供了删除缺失值行或列的函数dropna 其一般表示形式如下：

DataFrame.drop(axis=0 how='all' thresh=none)

其中axis为0表示对有缺失值的行操作，为1表示对有缺失值的列操作，how为any指只要有缺失值就删除该行或列，为all则指全部为缺失值才删除，thresh则指明当趋势值个数超过参数时才删除

删除重复数据

DataFrame对象调用duplicated可以得到一个bool型的Series，表示个行是否是重复行

显然没有重复行

第二行跟第一行重复

移除重复行

上面的操作是基于所有列的，我们也可以对单独列判断是否重复

比较忙没有校对，有错误的地方还请担待，下次内容我们继续学习。

END