其实,写文章真的挺难的
每天抽点时间,写写文采飘逸的文章
坚持个几年,成为称霸一方的大佬
坚持就会成功吧~
最近碰到瓶颈了,
一直找不到好的运营公众号的方式(好想有人指导唉~,对了,橡皮擦有个100多人的小qun,缺划水,话痨管理...)
谁有啥经验呢
给评论两句,帮橡皮擦指个鹿
嘿嘿哈嘿~
上一篇,我们捣鼓了一下dataframe计算类的函数
这一篇,
我要开始给你嘚啵一下分组与排序了
这两个函数分类
你一定要学会,学会了
就深得pandas精髓了
先说排序
英文sorted
好了,说完了,其他的自己感受吧
O(∩_∩)O哈哈~
开个玩笑
作为程序布道师,我是一定要讲明白的
看,那是sorted
在dataframe
里面,有两个排序的函数
一个叫做sort_values
,还有一个也叫做 sort_values
额,不对,叫做 sort_index
见到名字
对于已经看过我6篇博客的你来说
瞬间你就知道它们是干啥的了
- sort_index 按照索引排序
- sort_values 按照值排序
那我们就先表一表sort_index
先准备一个基本的数据
代码写的好不好,全看你找的数据准不准
df = pd.DataFrame([[4,8,3],[5,6,1],[1,9,2]],columns=['boys','girls','aboys'],index=['class2','class1','class3'])
打印出来,一看就能看到,这个栗子举得真棒
boys girls aboys
class2 4 8 3
class1 5 6 1
class3 1 9 2
注意看,列索引的名字分别是boys
,girls
,aboys
行索引的名字分别是 class2
,class1
,class3
顺序都是乱的哦~
下面,使用排序
df = pd.DataFrame([[4,8,3],[5,6,1],[1,9,2]],columns=['boys','girls','aboys'],index=['class2','class1','class3'])
print(df)
print(df.sort_index())
print(df.sort_index(axis=1))
print(df.sort_index(axis=0))
噔噔噔~
看结果
看到了没,axis这个参数,又起到作用了哦~
当然,倒序也是比较容易的
就加一个ascending =False
就OK啦
这么简单,就不演示了
sort_index
嘚啵完毕,就该sort_values
出面了
这个函数,比上面多一个参数by
演示走一波
df = pd.DataFrame([[4,8,3],[5,6,1],[1,9,2]],columns=['boys','girls','aboys'],index=['class2','class1','class3'])
print(df)
print(df.sort_values(by='boys'))
print(df.sort_values(by='girls'))
print(df.sort_values(by='class1',axis=1))
继续上个小图,说明一下
当然,还可以指定多列,不过不推荐,你可以用下面的代码
微微一测,技术到手
print(df.sort_values(by=['boys','girls']))
排序嘚啵完毕,下面开始分组
分组,组叫做group
在pandas中,这个就属于比较高级的函数的
GroupBy
官网注释里面给了一句
注意看,他把by当成了可选参数,
呵呵,官网写错了
你必须要传递一个by或者level进去
也就是按照谁来分组
但是,问题又来了
你要分组,必须要有意义
什么意思?
比如,我们一直测试的数据
这个数据,请问,你需要分组
你需要怎么分组?
这个压根不需要分组的好吧
所以分组前,你必须要明确的看到
恩,这个数据,我需要分组,才能不拉不拉的做一些事情
于是乎,我开始分组
顺手就来
看数据
import pandas as pd
mydict = {
'class_name':['class1','class1','class2','class2'],
'student':[20,30,10,20]
}
df = pd.DataFrame(mydict)
print(df)
唉,这个数据就比较好学习分组了
在某次,某次什么事件中,统计到的每个班的学生人数如下
我接下来,要知道class1班有多少,class2班有多少人
那需要按照班级名字分组啊
也就是
class_name
你看,分组概念出来了吧
print("*"*100)
print(df.groupby(by='class_name'))
一瞅,结果
嘿嘿,果然看不懂
****************************************************************************************************
<pandas.core.groupby.groupby.DataFrameGroupBy object at 0x000001CB1D07CE80>
其实没啥了,是一个DataFrameGroupBy 对象
分组之后,你需要在使用一个聚合或者计算类的函数
就OK的拉
比如,分组求和
print(df.groupby(by='class_name').sum())
------------------------------------------
student
class_name
class1 50
class2 30
比如,分组求平均值
print(df.groupby(by='class_name').mean())
比如,分组求那个啥?
print(df.groupby(by='class_name').count())
还有那个啥
df.groupby(by='class_name').size()
好了,来了一个小重点 small case
这两个乍一看,咦,结果一样唉
注意,细节,细节才能区分大佬与大菜鸟
print("*"*100)
print(type(df.groupby(by='class_name').size()))
print("*"*100)
print(type(df.groupby(by='class_name').count()))
这两返回的类型都不同
****************************************************************************************************
<class 'pandas.core.series.Series'>
****************************************************************************************************
<class 'pandas.core.frame.DataFrame'>
一个是Series,是个是DataFrame
在往深处研究
import pandas as pd
mydict = {
'class_name':['class1','class1','class2','class2','class3','class4','class4'],
'student':[20,30,10,20,5,None,12]
}
df = pd.DataFrame(mydict)
print(df)
print("*"*100)
print(df.groupby(by='class_name').size())
print("*"*100)
print(df.groupby(by='class_name').count())
对比结果吧
拿出笔来,画重点
count不统计none值
漂亮,深得精髓
OK了,这篇博客到此结果喽
知道你没学会,学会你就是最聪明的
明天我们继续研究groupby的其他用法
到现在为止,简单的部分已经完事了
从NOW开始,剩下的都是难的了
哈哈哈哈
你已经关注我公主号了,对不对
赶紧让朋友也关注啊...