dataframe排序、重新设置索引、获取行数和列数，numpy.zeros、

---

1. dataframe排序

DataFrame.sort_values(by, axis=0, ascending=True, inplace=False,kind='quicksort', na_position='last')

axis:axis=0时，纵向排序；axis=1时，横向排序

by：可以是字符串或列表。当axis=0时，by根据列明排序；当axis=1时，by根据行名排序

ascending:布尔型，True为升序，可以是[True,False]与by的内容对应，，即第一字段升序，第二个降序

inplace:布尔型，是否用排序后的数据框替换现有的数据框

kind:排序方法，{‘quicksort’, ‘mergesort’, ‘heapsort’}, default ‘quicksort’。似乎不用太关心

na_position : {‘first’, ‘last’}, default ‘last’，默认缺失值排在最后面

import pandas as pd

data_list=[[4, 8, 6, 3], [6, 1, 7, 2], [7, 2, 8, 3], [1, 8, 2, 7]]
df1=pd.DataFrame(data_list,columns=list('abcd'))
print(df1)

df1.sort_values(by=['b','c'],axis=0,ascending=['True','False'],inplace=True)
print(df1)

df2=df1.sort_values(by=1,axis=1,ascending=['True'],inplace=False)
print(df2)

2. dataframe重新设置索引

df1 = df1.reset_index(drop = True)
print(df1)

3. 获取dataframe的行数和列数

# 获取dataframe的行数和列数
print(df1)
print(df1.shape)
# 获取行数
print(df1.shape[0])
print(len(df1))
# 获取列数
print(df1.shape[1])

4. numpy.zeros

numpy.zeros():
用法：zeros(shape, dtype=float, order=‘C’)

返回：返回来一个给定形状和类型的用0填充的数组；

参数：shape:形状

dtype:数据类型，可选参数，默认numpy.float64
dtype类型：

• t ,位域,如t4代表4位
• b,布尔值，true or false
• i,整数,如i8(64位）
• u,无符号整数，u8(64位）
• f,浮点数，f8（64位）
• c,浮点负数，
• o,对象，
• s,字符串，s24
• u,unicode,u24

order:可选参数，c代表与c语言类似，行优先；F代表列优先

import numpy as np

data=np.zeros((4,4),dtype=int)
print(data)