pandas基础(part4)--排序/分组/合并 _Pandas

人生必须的知识就是引人向光明方面的明灯。这篇文章主要讲述pandas基础(part4)--排序/分组/合并相关的知识，希望能为你提供帮助。
学习笔记，这个笔记以例子为主。
开发工具：Spyder

文章目录

??pandas排序??

??按行标签进行排序??
??按列标签进行排序??
??按某列值排序??
??举个例子??

??pandas分组??

??将数据拆分成组??
??迭代遍历分组??
??获得子分组的细节??
??分组聚合??

??合并??

??合并两个DataFrame??
??使用how参数合并DataFrame??

pandas排序pandas有两种对DataFrame的排序方式，他们分别是按照标签与按实际值排序。
按行标签进行排序
【pandas基础(part4)--排序/分组/合并】使用??sort_index()??方法可以按照行/列标签对DataFrame进行排序。默认情况下，按照升序对行标签进行排序。

语法

import pandas as pd
import numpy as np

# 按照行标进行排序
已排序序列 = 未排序序列.sort_index()

# 控制排序顺序(降序)
已排序序列 = 未排序序列.sort_index(ascending=False)

按列标签进行排序
若设置sort_index()的axis参数值为1，则会按照列标签进行排序。

语法

import pandas as pd
import numpy as np

# 按照列标签进行排序
已排序序列 = 未排序序列.sort_index(axis = 1)

按某列值排序
像索引排序一样，sort_values()是按值排序的方法。该函数接受一个by参数，该参数的参数值为DataFrame的列名。

语法

已排序序列 = 未排序序列.sort_values(by=列名)

举个例子
代码：

import pandas as pd

data = https://www.songbingjia.com/android/name:[Ada, Tom,Black, Jack, Lee],
age:[9, 19, 12, 15, 30],
weight:[8, 4, 5, 6, 10],
hight:[20, 35, 30, 33, 40]

df = pd.DataFrame(data,
index = [a1, a2, a3, a4, a5])

#按行降序排序
s01 = df.sort_index(ascending=False)
print(s01)
print(-*20)
#按列降序排序
s02 = df.sort_index(axis = 1, ascending=False)
print(s02)
print(-*20)
#按weight列升序排序
s03 = df.sort_values(by = weight)
print(s03)

结果：

agehightnameweight
a53040Lee10
a41533Jack6
a31230Black5
a21935Tom4
a1920Ada8
--------------------
weightnamehightage
a18Ada209
a24Tom3519
a35Black3012
a46Jack3315
a510Lee4030
--------------------
agehightnameweight
a21935Tom4
a31230Black5
a41533Jack6
a1920Ada8
a53040Lee10

pandas分组在许多情况下，我们需要将数据分为多个集合，并在每个子集上应用一些函数，来实现我们的需求。
将数据拆分成组

语法

# 将df数据框按照age字段分组
print(df.groupby(age))
# 查看分组结果
print(df.groupby(age).groups)

例子

代码：

import pandas as pd

data = https://www.songbingjia.com/android/name:[Ada, Tom,Black, Jack, Lee,
Yellow, Blue, Peter, Green, Trump],
age:[9, 9, 10, 10, 10, 10, 8, 9, 7, 8],
weight:[8, 4, 5, 6, 10, 10, 4, 5, 4, 8]

df = pd.DataFrame(data,
index = [a1, a2, a3, a4, a5,
a6, a7, a8, a9, a10])

print(df.groupby(age))
print(df.groupby(age).groups)

结果：

< pandas.core.groupby.DataFrameGroupBy object at 0x000000D589A294A8>
7: Index([a9], dtype=object), 8: Index([a7, a10], dtype=object), 9: Index([a1, a2, a8], dtype=object), 10: Index([a3, a4, a5, a6], dtype=object)

迭代遍历分组
df.groupby()方法可以返回可迭代对象，可以使用for循环遍历。

例子

代码：

import pandas as pd

data = https://www.songbingjia.com/android/name:[Ada, Tom,Black, Jack, Lee,
Yellow, Blue, Peter, Green, Trump],
age:[9, 9, 10, 10, 10, 10, 8, 9, 7, 8],
weight:[8, 4, 5, 6, 10, 10, 4, 5, 4, 8]

df = pd.DataFrame(data,
index = [a1, a2, a3, a4, a5,
a6, a7, a8, a9, a10])

for age, i in df.groupby(age):
print(age)
print(i)
print(-*10)

结果：

7
agenameweight
a97Green4
----------
8
agenameweight
a78Blue4
a108Trump8
----------
9
agenameweight
a19Ada8
a29Tom4
a89Peter5
----------
10
agenameweight
a310Black5
a410Jack6
a510Lee10
a610Yellow10
----------

获得子分组的细节
语法就不写了，看下面的例子和注释，应该就能懂。

例子

代码：

import pandas as pd

data = https://www.songbingjia.com/android/name:[Ada, Tom,Black, Jack, Lee,
Yellow, Blue, Peter, Green, Trump],
age:[9, 9, 10, 10, 10, 10, 8, 9, 7, 8],
weight:[8, 4, 5, 6, 10, 10, 4, 5, 4, 8]

df = pd.DataFrame(data,
index = [a1, a2, a3, a4, a5,
a6, a7, a8, a9, a10])

# 将df数据框按照age字段分组
grouped = df.groupby(age)
#查看age=8的分组的细节
print(grouped.get_group(8))

结果：