pandas索引與賦值操作、排序以及Series排序和DataFrame排序方式

更新時(shí)間：2023年09月13日 09:50:51 作者：learning-striving

這篇文章主要介紹了pandas索引與賦值操作、排序以及Series排序和DataFrame排序方式,具有很好的參考價(jià)值,希望對大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教

一、pandas索引操作

索引操作，使用索引選取序列和切片選擇數(shù)據(jù)，也可以直接使用列名、行名稱，或組合使用

直接使用行列索引：行列索引名順序?yàn)橄攘性傩?，使用指定行列索引名，不能使用下?biāo)
loc[行索引名，列索引名]：先行再列，只能使用指定的行列索引名，不能使用下標(biāo)
iloc[行，列]：先行再列，只能使用索引下標(biāo)獲取數(shù)據(jù)，不能使用指定行列索引名
下標(biāo)索引與指定行列索引相結(jié)合：使用index或columns.get_indexer，見案例

代碼如下

import pandas as pd
import numpy as np
# 數(shù)據(jù)生成代碼
num = np.random.randint(50, 100, (3, 5))
num
# 傳入標(biāo)簽索引
column = ['第一列', '第二列', '第三列', '第四列', '第五列']   # 列標(biāo)簽索引
# ind = ['第一行', '第二行', '第三行']    # 行標(biāo)簽索引
ind = ['第_' + str(i) + '_行' for i in range(num.shape[0])]   # 行標(biāo)簽索引，num.shape[0]即獲取num數(shù)組的行號，此處為3
data = pd.DataFrame(num, columns=column, index=ind)
data
-------------------------------------------------------------------
data['第五列']['第_2_行']    # 只能先列再行
data['第_2_行']['第五列']    # 先行再列，報(bào)錯(cuò)
data.loc['第_0_行':'第_2_行', '第三列']    # 先行再列，loc只能使用指定行列索引，切取第三列中[0,2]行中的數(shù)據(jù)
data.loc[:'第_2_行', '第三列':]   # loc只能使用指定行列索引，切取[0,2]行，3-最后一列的數(shù)據(jù)
data.iloc[:2, 2:]   # iloc只能使用下標(biāo)索引，切取[0,2)行，3-最后一列的數(shù)據(jù)

數(shù)據(jù)生成

操作如下

下標(biāo)索引與指定行列索引相結(jié)合

data.loc[data.index[0:2], ['第二列', '第三列', '第五列']]   # 下標(biāo)索引與指定行列索引相結(jié)合
data.iloc[0:2, data.columns.get_indexer(['第二列', '第三列', '第五列'])]  # 下標(biāo)索引與指定行列索引相結(jié)合

二、pandas賦值操作

只能對某一列賦值，不能對一行賦值，有兩種方式，直接使用索引或用點(diǎn).索引名，具體如下

代碼如下

import pandas as pd
import numpy as np
# 數(shù)據(jù)生成代碼
num = np.random.randint(50, 100, (3, 5))
# 傳入標(biāo)簽索引
column = ['第一列', '第二列', '第三列', '第四列', '第五列']   # 列標(biāo)簽索引
# ind = ['第一行', '第二行', '第三行']    # 行標(biāo)簽索引
ind = ['第_' + str(i) + '_行' for i in range(num.shape[0])]   # 行標(biāo)簽索引，num.shape[0]即獲取num數(shù)組的行號，此處為3
data2 = pd.DataFrame(num, columns=column, index=ind)
data2
------------------------------------------------------------
data2['第四列'] = 88   # 值可為字符串或漢字
data2
data2.第一列 = 99  # 方式二
data2

生成數(shù)據(jù)

操作如下

三、pandas排序

pandas排序有兩種方式，一種是對索引進(jìn)行排序，另一種是對內(nèi)容進(jìn)行排序

3.1 DataFrame排序

df.sort_values(by=, ascending=)：單個(gè)鍵(列名)或多個(gè)鍵進(jìn)行排序
by：指定排序參考的鍵
ascending：指定升序或降序
ascending=True：默認(rèn)升序
ascending=False：降序
df.sort_index()：給索引進(jìn)行排序

代碼如下

data2.sort_values(by='第三列')  # 默認(rèn)ascending=True，即升序排序
data2.sort_values(by='第三列', ascending=False)   # 根據(jù)第三列降序排序
data2.sort_values(by=['第一列', '第四列'], ascending=False)    # 根據(jù)多列降序排序
data2.sort_index()   # 給索引進(jìn)行排序

操作演示

3.2 Series排序

series.sort_values(ascending=True)：series排序時(shí)，只有一列，不需要參數(shù)
series.sort_index(ascending=)：根據(jù)索引排序，ascending指定升序或降序，默認(rèn)升序

代碼如下

data2['第四列'].sort_values()    # 默認(rèn)ascending=True，即將第四列升序排序
data2['第四列'].sort_values(ascending=False)    # ascending=False，將第四列降序排序
data2['第四列'].sort_index(ascending=False)    # ascending=False，根據(jù)索引將第四列降序排序
data2['第四列'].sort_index()    # 默認(rèn)ascending=True，根據(jù)索引將第四列升序排序

操作演示