Python之Series和DataFrame的数据排序

Series和DataFrame的数据排序

前言

知识在于积累，聪明在于学习

系列文章

Python之Pandas(三)

环境：jupyter Notebook(Anaconda)

一、 算术运算与数据对齐

1. 创建数组obj_one

range数据取值范围为10-13，index索引的范围为3，即0-2

obj_one=pd.Series(range(10,13),index=range(3))
obj_one

• 创建数组obj_two
  range数据取值范围为20-25，index索引的范围为5，即0-4

obj_two=pd.Series(range(20,25),index=range(5))
obj_two

2. 没有对齐的位置会用NaN进行补齐

obj_one+obj_two   

3. 没有对齐的位置直接加上

obj_one.add(obj_two,fill_value=0)   

二、Series排序

Series类型由一组数据及与之相关的数据索引组成

1. 创建数组ser_obj

range数据取值范围为10-15，index索引为5,3,1,3,2

import pandas as pd
ser_obj=pd.Series(range(10,15),index=[5,3,1,3,2])
ser_obj

2. 按索引排序

ser_obj.sort_index()   

3. 按索引降序

ascending=False按索引降序

ser_obj.sort_index(ascending=False)    

三、DataFrame排序

DataFrame可以设置列名columns与行名index

对DataFrame的索引进行排序

1.创建数组df_obj

import numpy as np
import pandas as pd
df_obj=pd.DataFrame(np.arange(9).reshape(3,3),index=[4,3,5])
df_obj

2. 按索引排序

相当于df_obj.sort_index(ascending=True)

df_obj.sort_index()   

3. 按索引降序排序

df_obj.sort_index(ascending=False)

4. 按值排序

np.nan为NaN值

ser_obj=pd.Series([4,np.nan,6,np.nan,-3,2])  
ser_obj

5. 按values值排序

ser_obj.sort_values()

7.按第2列索引排序

• 创建数组df_obj

df_obj=pd.DataFrame([[0.4,-0.1,-0.3,0.0],[0.2,0.6,-0.1,-0.7],[0.8,0.6,-0.5,0.1]])
df_obj

• 按第2列索引排序

df_obj.sort_values(by=2)