【python数据分析-数据过滤与排序】

数据来源：和鲸社区-Numpy+Pandas数据处理·第五关-2012欧洲杯足球比赛数据
主要内容：

• 数据过滤
• 数据排序

知识点：

• df.nunique() 计算唯一值数量
• df.groupby().mean() 分组计算均值
• df [[col1,col2,col3]]
• df [df[co1]>2]
• Pandas提取含有指定字符串的行或列
• df.iloc[:,:] 切片
• df.sort_values()

导入数据

import pandas as pd
filepath2 = '/home/mw/input/Pandas_exercise2020/Euro2012.csv'
euro12 = pd.read_csv(filepath2, sep=',')
euro12.head()

计算球队数量，平均得分

#  有多少球队参与了2012欧洲杯？
euro12['Team'].nunique()
# 每支球队的平均得分
euro12[['Team','Goals']].groupby('Team').mean()

数据过滤

# 将数据集中的列Team，Yellow Cards和Red Cards单独存为一个名叫discipline的数据框
discipline = euro12[['Team', 'Yellow Cards', 'Red Cards']]
discipline.head()

# 找到进球数Goals超过6的球队数据
euro12[euro12['Goals']>6]

# 选取以字母G开头的球队数据
euro12[euro12['Team'].str.startswith('G')]

• 知识点
  Pandas提取含有指定字符串的行或列:
  完全匹配：==
  部分匹配:
  str.contains()：包含一个特定的字符串
  参数na：缺少值NaN处理
  参数case：大小写的处理
  参数regex：使用正则表达式模式
  str.endswith()：以特定字符串结尾
  str.startswith()：以特定的字符串开头
  str.match()：匹配正则表达式模式

注：要提取部分匹配的行，可以使用pandas的（str.xxx（））方法，根据指定条件提取的字符串方法。

相关资料：https://blog.csdn.net/nixiang_888/article/details/109371043

# 选取前7列
euro12.iloc[:,:7]

# 选取除了最后三列之外的全部列
euro12.iloc[:,:-3]

# 找到英格兰(England)、意大利(Italy)和俄罗斯(Russia)的射正率(Shooting Accuracy)
# 方法一：
euro12[euro12['Team'].isin(['England','Italy','Russia'])][['Team','Shooting Accuracy']]
#方法二：
euro12.loc[euro12['Team'].isin(['England', 'Italy', 'Russia']), ['Team','Shooting Accuracy']]

数据排序

# 对数据框discipline按照先Red Cards，再Yellow Cards进行排序
discipline.sort_values(by=['Red Cards','Yellow Cards'],ascending=True)

![在这里插入图片描述](https://img-blog.csdnimg.cn/1cc70fb2238d4909bdfb34ef29d8ae3b.png

数据计算

# 计算每个球队拿到的黄牌数的平均值
discipline[['Team', 'Yellow Cards']].groupby('Team').mean()