精华内容
下载资源
问答
  • Pandas 数据排序

    2021-08-21 15:52:22
    import pandas as pd df = pd.read_csv("D:\\python39\\pandas\...'''Pandas数据排序 Series的排序: Series.sort_values(ascending=True, inplace=False)参数说明: ascending:默认为True升序排序,为False降序排序;.
    import pandas as pd 
    df = pd.read_csv("D:\\python39\\pandas\\antlearnpandasmaster\\datas\\beijing_tianqi\\beijing_tianqi_2018.CSV")
    '''Pandas数据排序
    Series的排序:
       Series.sort_values(ascending=True, inplace=False)参数说明:
           ascending:默认为True升序排序,为False降序排序;
           inplace:是否修改原始Series,True修改,False不修改
    DataFrame的排序:
       DataFrame.sort_values(by, ascending=True, inplace=False)参数说明:
            by:字符串或者List<字符串>,单列排序或者多列排序
            ascending: bool或者List,升序还是降序,如果是list对应by的多列
            inplace:是否修改原始DataFrame,True修改,False不修改'''
    ##1.将温度由字符串变为数字
    df.loc[:,'bWendu'] = df['bWendu'].str.replace('℃','').astype('int32')
    df.loc[:,'yWendu'] = df['yWendu'].str.replace('℃','').astype('int32')
    
    ##2.Series排序
    
    ser = df['aqi'].sort_values()#升序排列
    
    ser = df['aqi'].sort_values(ascending = False)#降序排列
    
    ser = df['tianqi'].sort_values()
    ##3.DataFrame 排序
    #1.单列所对应的行进行升序排列
    dfr = df.sort_values(by = 'aqi')
    #2.单列所对应的行进行降序排列
    dfr = df.sort_values(by = 'aqi',ascending = False)
    #3.多列排序
    #按空气质量等级、最高温度排序,默认升序
    dfr = df.sort_values(by = ['aqiLevel','bWendu'])#先按照'aqiLevel'升序排列,再按'bWendu'进行升序排列
    #按空气质量等级、最高温度降序排列
    dfr = df.sort_values(by = ['aqiLevel','bWendu'],ascending = False)#先按照'aqiLevel'降序排列,再按'bWendu'进行降序排列
    #分别指定升序和降序排列
    dfr = df.sort_values(by =['aqiLevel','bWendu'],ascending = [True,False])#先按照'aqiLevel'升序排列,再按'bWendu'进行降序排列
    
    print(dfr)
    
    
    #print(df.head())
    
    
    

    展开全文
  • Pandas-排序函数sort_values()

    万次阅读 多人点赞 2018-10-18 22:21:33
    pandas中的sort_values()函数类似于SQL中order by的原理,可以将数据集依照某个字段中的数据进行排序。 二、sort_values()函数的具体参数 用法: DataFrame.sort_values(by=‘##’,axis=0,ascending=True, in...

    一、sort_values()函数用途

    pandas中的sort_values()函数原理类似于SQL中的order by,可以将数据集依照某个字段中的数据进行排序,该函数即可根据指定列数据也可根据指定行的数据排序。

    二、sort_values()函数的具体参数

    • 用法:
      DataFrame.sort_values(by=‘##’,axis=0,ascending=True, inplace=False, na_position=‘last’)

    • 参数说明

    参数说明
    by指定列名(axis=0或’index’)或索引值(axis=1或’columns’)
    axis若axis=0或’index’,则按照指定列中数据大小排序;若axis=1或’columns’,则按照指定索引中数据大小排序,默认axis=0
    ascending是否按指定列的数组升序排列,默认为True,即升序排列
    inplace是否用排序后的数据集替换原来的数据,默认为False,即不替换
    na_position{‘first’,‘last’},设定缺失值的显示位置

    三、sort_values用法举例

    • 创建数据框
    #利用字典dict创建数据框
    import numpy as np
    import pandas as pd
    df=pd.DataFrame({'col1':['A','A','B',np.nan,'D','C'],
                     'col2':[2,1,9,8,7,7],
                     'col3':[0,1,9,4,2,8]
    })
    print(df)
    
    >>>
      col1  col2  col3
    0    A     2     0
    1    A     1     1
    2    B     9     9
    3  NaN     8     4
    4    D     7     2
    5    C     7     8
    
    • 依据第一列排序,并将该列空值放在首位
    #依据第一列排序,并将该列空值放在首位
    print(df.sort_values(by=['col1'],na_position='first'))
    >>>
      col1  col2  col3
    3  NaN     8     4
    0    A     2     0
    1    A     1     1
    2    B     9     9
    5    C     7     8
    4    D     7     2
    
    • 依据第二、三列,数值降序排序
    #依据第二、三列,数值降序排序
    print(df.sort_values(by=['col2','col3'],ascending=False))
    >>>
      col1  col2  col3
    2    B     9     9
    3  NaN     8     4
    5    C     7     8
    4    D     7     2
    0    A     2     0
    1    A     1     1
    
    • 根据第一列中数值排序,按降序排列,并替换原数据
    #根据第一列中数值排序,按降序排列,并替换原数据
    df.sort_values(by=['col1'],ascending=False,inplace=True,
                         na_position='first')
    print(df)
    >>>
      col1  col2  col3
    3  NaN     8     4
    4    D     7     2
    5    C     7     8
    2    B     9     9
    1    A     1     1
    0    A     2     0
    
    • 按照索引值为0的行,即第一行的值来降序排序
    x = pd.DataFrame({'x1':[1,2,2,3],'x2':[4,3,2,1],'x3':[3,2,4,1]}) 
    print(x)
    #按照索引值为0的行,即第一行的值来降序排序
    print(x.sort_values(by =0,ascending=False,axis=1))
    >>>
       x1  x2  x3
    0   1   4   3
    1   2   3   2
    2   2   2   4
    3   3   1   1
       x2  x3  x1
    0   4   3   1
    1   3   2   2
    2   2   4   2
    3   1   1   3
    
    展开全文
  • Pandas数据排序

    2017-10-08 23:40:51
    Pandas数据排序.sort_index() 在指定轴上根据索引进行排序,索引排序后内容会跟随排序import pandas as pd import numpy as npb = pd.DataFrame(np.arange(20).reshape(4,5),index=['c','a','d','b']) b 0 1...

    Pandas数据排序

    .sort_index() 在指定轴上根据索引进行排序,索引排序后内容会跟随排序

    import pandas as pd
    import numpy as np
    
    b = pd.DataFrame(np.arange(20).reshape(4,5),index=['c','a','d','b'])
    b
    01234
    c01234
    a56789
    d1011121314
    b1516171819
    b.sort_index()
    01234
    a56789
    b1516171819
    c01234
    d1011121314
    b.sort_index(ascending=False)
    01234
    d1011121314
    c01234
    b1516171819
    a56789
    b.sort_index(axis=0, ascending=False) # 按行标排序,ascending:False为降序
    01234
    d1011121314
    c01234
    b1516171819
    a56789
    b.sort_index(axis=1, ascending=False) # 按列标排序
    43210
    c43210
    a98765
    d1413121110
    b1918171615

    .sort_values() 在指定轴上根据数值进行排序,默认升序

    • Series.sort_values(axis=0,ascending=True)
    • DataFrame.sort_values(by,axis=0,ascending=True)
      • by:axis轴上的某个索引或索引列表
    dates = pd.date_range('20130101', periods=10)
    dates
    DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04',
                   '2013-01-05', '2013-01-06', '2013-01-07', '2013-01-08',
                   '2013-01-09', '2013-01-10'],
                  dtype='datetime64[ns]', freq='D')
    
    df = pd.DataFrame(np.random.randn(10,4),index=dates,columns=['A','B','C','D'])
    df.head()
    ABCD
    2013-01-01-0.3002660.6832320.777509-0.274338
    2013-01-022.298084-0.8555241.462064-0.725142
    2013-01-030.5127110.8243800.384902-1.437241
    2013-01-040.388478-1.265414-1.104333-0.447689
    2013-01-050.273518-0.314857-2.545510-1.301629
    c = df.sort_values('B')
    c.head()
    ABCD
    2013-01-01-0.976353-2.1760750.2555850.645465
    2013-01-03-1.549727-1.8767900.9667240.486101
    2013-01-06-0.000467-1.430820-1.803610-0.587985
    2013-01-10-0.293663-0.6919510.262666-1.298977
    2013-01-04-0.032301-0.6185821.204373-0.302137
    c = df.sort_values('B',ascending = False)
    c.head()
    ABCD
    2013-01-030.5127110.8243800.384902-1.437241
    2013-01-01-0.3002660.6832320.777509-0.274338
    2013-01-080.0109390.5917770.1431820.461798
    2013-01-100.8111690.100516-1.3853730.168329
    2013-01-050.273518-0.314857-2.545510-1.301629
    # 指定1轴排序,这里指定1轴a行为基准排序
    c = df.sort_values('2013-01-01',axis=1,ascending=False) 
    c.head()
    CBDA
    2013-01-010.7775090.683232-0.274338-0.300266
    2013-01-021.462064-0.855524-0.7251422.298084
    2013-01-030.3849020.824380-1.4372410.512711
    2013-01-04-1.104333-1.265414-0.4476890.388478
    2013-01-05-2.545510-0.314857-1.3016290.273518

    NaN空值统一放在排序末尾

    a = pd.DataFrame(np.arange(12).reshape(3,4),index=['a','b','c'])
    a
    0123
    a0123
    b4567
    c891011
    b = pd.DataFrame(np.arange(20).reshape(4,5),index=['c','a','d','b'])
    b
    01234
    c01234
    a56789
    d1011121314
    b1516171819
    c = a + b
    c
    01234
    a5.07.09.011.0NaN
    b19.021.023.025.0NaN
    c8.010.012.014.0NaN
    dNaNNaNNaNNaNNaN
    c.sort_values(2,ascending = False)
    01234
    b19.021.023.025.0NaN
    c8.010.012.014.0NaN
    a5.07.09.011.0NaN
    dNaNNaNNaNNaNNaN
    c.sort_values(2,ascending = True)
    01234
    a5.07.09.011.0NaN
    c8.010.012.014.0NaN
    b19.021.023.025.0NaN
    dNaNNaNNaNNaNNaN
    展开全文
  • pandas自定义排序

    2021-06-04 15:26:43
    案例:进行对pandas自定义排序 import pandas as pd #数据集 df = pd.DataFrame({'word':['a','b','c'], 'num':[2,1,3]}) #自定义排序顺序,此顺序对应为升序ascending=True list_sorted = ['b', 'a', 'c'] #对相关...

    案例:进行对pandas自定义排序

    import pandas as pd
    #数据集
    df = pd.DataFrame({'word':['a','b','c'], 'num':[2,1,3]})
    #自定义排序顺序,此顺序对应为升序ascending=True
    list_sorted = ['b', 'a', 'c']
    #对相关列进行自定义排序
    df['word'] = df['word'].astype('category').cat.set_categories(list_sorted)
    #结果
    df_sortes = df.sort_values(by=['word'], ascending=True)
    
    展开全文
  • pandas dataframe排序

    2021-03-09 14:55:13
    import pandas as pd # 读取文件 filepath = '../data/2016_happiness.csv' data = pd.read_csv(filepath, usecols=['Country', 'Region', 'Happiness Rank', 'Happiness Score'], index_col='Happiness Rank') ...
  • python pandas 数据排序

    2020-12-27 16:59:24
    import pandas as pd df = pd.DataFrame(data = np.random.randint(0,30,size = (30,3)), index = list('qwertyuioijhgfcasdcvbnerfghjcf'), columns = ['Python','Keras','Pytorch']) # 1、索引列名排序 df....
  • python pandas DataFrame排序

    千次阅读 2020-08-04 09:13:20
    python pandas DataFrame排序 """ DataFrame数据排序 """ import pandas as pd import numpy as np # 行列排序 unsorted_df = pd.DataFrame(np.random.randn(10, 2), index=[1, 4, 6, 2, 3, 5, 9, 8, 0, 7], ...
  • pandas进行排序

    2019-05-26 15:15:57
  • 主要介绍了pandas排序和排名的具体使用,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
  • pandas数据排序

    2021-03-10 00:23:36
    Series的排序: Series.sort_values(ascending=True, inplace=Flase) 参数说明: ascending:默认为True升序排列,为Flase降序排序 inplace: 是否修改原始的Series DataFrame的排序 DataFrame.sort_values(by, ...
  • Python系列—-pandas排序、排名原数据.sort_index() 索引排序.sort_values() 值排序rank() 排名method参数通用参数总结别忘了点个赞支持一下再走哦~~ 这期主要跟大家介绍pandas的.sort_index()、.sort_values()和...
  • pandas排序和排名

    万次阅读 2018-01-07 13:17:46
    pandas提供了sort_index方法可以根据行或列的索引按照字典的顺序进行排序 a、Series排序 1、按索引进行排序 #定义一个Series s = Series([1,2,3],index=["a","c","b"]) #对Series的索引进行排
  • Pandas系列(七)Pandas数据排序

    千次阅读 2020-08-14 21:39:54
    文章目录读取数据Series的排序:DataFrame的排序:单列排序多列排序分别指定升序和降序 读取数据   读取的数据如下: Series的排序: Series.sort_values(ascending=True, inplace=False)   参数说明: ...
  • pandas分组排序

    2020-10-29 15:25:43
    df.sort_values([‘yxid_id’, ‘msg_times_tamp’], ascending=[False, True], inplace=True)
  • Pandas排序方式

    2021-04-15 16:31:04
    Pandas支持三种排序方式,按索引标签排序,按值排序,按两种方式混合排序。 按索引排序 Series.sort_index()与DataFrame.sort_index方法用于按索引层级对Pandas对象排序。 数值排序 Series.sort_values()方法用于按...
  • pandas排序

    2021-07-13 19:08:01
    pandas排序 **obj.sort_index**(**axis=0,ascending=True,inplace = False**) **obj.sort_value**(**by=label,axis=0,ascending=True,inplace = False**) **by**:str 表示根据axis方向索引名进行排序
  • 主要介绍了Pandas排序函数sort_values()的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
  • pandas 排序 和 自定义排序

    千次阅读 2019-03-29 17:18:55
    pandas 自定义排序: 这个还是功能很强大的, 按照指定的顺序进行排序 import pandas as pd #数据集 df = pd.DataFrame({'word':['a','b','c'], 'num':[2,1,3]}) #自定义排序顺序,此顺序对应为升序ascending=True ...
  • pandas筛选排序数据

    2017-09-26 13:49:14
    使用Pandas对数据进行筛选和排序 转自:http://bluewhale.cc/2016-08-06/use-pandas-filter-and-sort.html 筛选和排序是Excel中使用频率最多的功能,通过这个功能可以很方便的对数据表中的数据使用...
  • Pandas排序

    2019-06-26 17:35:28
    Pandas有两种排序方式,它们分别是 - 按标签 按实际值 下面来看看一个输出的例子。 import pandas as pd import numpy as np unsorted_df=pd.DataFrame(np.random.randn(10,2),index=[1,4,6,2,3,5,9,8,0,7],...
  • import pandas as pd import os os.chdir(r'C:\Users\Hans\Desktop\data_analysis') df = pd.read_excel('pandas_multiindex.xls') df.head() 日期 收盘 开盘 高 低 交易量 涨跌幅 公司 ...
  • pandas自定义排序规则

    2021-04-21 14:25:58
    from pandas.api.types import CategoricalDtype a = ['红红','白白','看看','慢慢','kini','ssfs','fff'] b = ["Mar(0, 15]","Jan(15, 31]","Aug(15, 31]","Sep(0, 15]","Jun(15, 31]","Jul(0, 15]","May(15, 31]...
  • pandas分组排序功能

    千次阅读 2019-03-28 10:30:30
    在一个班级里,学生考试科目有语文、数学...import pandas as pd a=['小红','小绿','小蓝','小白','小青','小紫','小粉','小傻','小红','小绿','小蓝','小白','小青','小紫','小粉','小傻','小红','小绿','小蓝','...
  • Pandas排序、排名方法

    万次阅读 2019-02-20 13:47:17
    Pandas 是一个灵活而强大的Python数据分析 / 操作库,提供快速、灵活和富有表现力的数据结构,旨在使“关系”或“标记”数据的使用既简单又直观,功能十分强大。 本文旨在讲解一下排序、排名的函数,毕竟内容还是太...
  • pandas排序多重排序

    2018-12-11 15:30:57
    import pandas as pd products = pd.read_excel("C:/Users/asus/Downloads/Code for 007/List.xlsx",index_col="ID") # products.sort_values(by="Price",inplace=True,ascending=...
  • pandas 排序

    2021-01-05 20:23:52
    import pandas as pd import os os.chdir('路径') p = pd.read_excel('P7.xlsx',index_col='ID') #开始多重排序 p.sort_values(by=['Worthy', 'Price'], inplace=True, ascending=[True, False]) print(p)
  • pandas排序与排名

    千次阅读 2018-10-22 11:59:28
    pandas提供了sort_index方法可以根据行或列的索引按照字典的顺序进行排序 a、Series排序 1、按索引进行排序  #定义一个Series  s = Series([1,2,3],index=["a","c","b"])  #对...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 32,873
精华内容 13,149
关键字:

pandas先排序