Python数据分析 Anaconda发行版 Jupyter notebook 安装和文档 启动 运行机制 主界面 新建文档 工作界面 文档结构 编辑和命令模式 快捷键 执行和输出 Markdown单元 图片和视频 幻灯片 导出格式 魔法命令 Numpy 基础知识 数据类型 创建数组 数组运算 通用函数 索引切片迭代 添加删除去重 形状变换 堆积数组 分割数组 视图和复制 广播机制 花式索引 布尔索引 统计方法 随机数 Pandas Series DataFrame Index 重建索引 轴向上删除条目 索引和切片 算术和广播 函数和映射 排序和排名 统计和汇总 文件读取 分块读取 写出数据 JSON和Pickle HDF5 EXCEL文件 Web交互 数据库交互 删除缺失值 补全缺失值 删除重复值 替换 重命名轴索引 离散化和分箱 检测和过滤 随机和抽样 字符串操作 分层索引 分层索引进阶 合并连接 粘合与堆叠 重塑 Matplotlib 配置环境 使用常识 保存图形 两种图画接口 使用中文 线型图 颜色线型和标记 坐标轴上下限 坐标轴刻度 图题、轴标签和图例 配置图题 配置图例 颜色条 文本、箭头和注释 散点图 直方图 条形图 饼图 误差线 等高线 多子图 patch 自定义坐标轴刻度 风格样式展示 下一步

排序和排名

阅读: 5126     评论：1

排序分两种：根据索引排序和根据元素值排序

根据索引排序使用的是sort_index方法，它返回一个新的排好序的对象：

In [103]: s = pd.Series(range(4),index = list('dabc'))

In [104]: s
Out[104]:
d    0
a    1
b    2
c    3
dtype: int64

In [105]: s.sort_index() # 根据索引的字母序列排序
Out[105]:
a    1
b    2
c    3
d    0
dtype: int64

In [108]: df = pd.DataFrame(np.random.randint(10,size=(4,3)), columns=list('edb'),index = ['two','one','five','four'])

In [109]: df
Out[109]:
      e  d  b
two   7  6  1
one   5  6  8
five  8  4  1
four  7  0  3

In [110]: df.sort_index() # 默认按行索引排序，并以字母顺序
Out[110]:
      e  d  b
five  8  4  1
four  7  0  3
one   5  6  8
two   7  6  1

In [111]: df.sort_index(axis=1)  # 指定按列排序
Out[111]:
      b  d  e
two   1  6  7
one   8  6  5
five  1  4  8
four  3  0  7

In [112]: df.sort_index(axis=1,ascending=False)  # 默认升序，可以指定为倒序
Out[112]: 
      e  d  b
two   7  6  1
one   5  6  8
five  8  4  1
four  7  0  3

如果要根据某行或某列元素的值的大小进行排序，就要使用sort_values方法：

In [113]: s= pd.Series([4, 7,-3,2])

In [114]: s.sort_values()
Out[114]:
2   -3
3    2
0    4
1    7
dtype: int64


# np.nan缺失值会自动排到最后
In [115]: s2 = pd.Series([4, np.nan,7,np.nan,-3,2])

In [116]: s2
Out[116]:
0    4.0
1    NaN
2    7.0
3    NaN
4   -3.0
5    2.0
dtype: float64

In [117]: s2.sort_values()
Out[117]:
4   -3.0
5    2.0
0    4.0
2    7.0
1    NaN
3    NaN
dtype: float64

In [118]: df2 = pd.DataFrame({'b':[4,7,-3,2], 'a':[0,1,0,1]})

In [120]: df2
Out[120]:
   b  a
0  4  0
1  7  1
2 -3  0
3  2  1

In [121]: df2.sort_values(by='b')  # 根据某一列里的元素值进行排序
Out[121]:
   b  a
2 -3  0
3  2  1
0  4  0
1  7  1

In [122]: df2.sort_values(by=['a','b']) # 根据某些列进行排序
Out[122]:
   b  a
2 -3  0
0  4  0
3  2  1
1  7  1

除了排序，还有排名。Pandas的排名规则不太好理解，其规则如下：

  1. 以升序排名为例
  2. 所有数中最小的数排为1.0
  3. 按数大小依此类推，2.0、3.0、4.0给安排位次
  4. 如果有重复的数，则重复的排名相加除以重复的个数，得出一个排名
  5. 重复的数后面的排名，接着排

比如下面的例子：

In [123]: s = pd.Series([7,-5,7,4,2,0,4])

In [124]: s.rank()
Out[124]:
0    6.5
1    1.0
2    6.5
3    4.5
4    3.0
5    2.0
6    4.5
dtype: float64
  • -5最小，给排名1.0
  • 0其次，排2.0
  • 2再次，排3.0
  • 有2个4，于是4.0+5.0等于9，再除个数2，最终排名4.5。4.0和5.0两个排名并未使用。
  • 又有2个7，于是6.0+7.0等于13，再除2，最后排名6.5

也可以根据观察顺序进行排名位次分配，主要是重复的数，按顺序先后给排名，揣摩一下就能明白规律：

In [125]: s.rank(method='first')
Out[125]:
0    6.0
1    1.0
2    7.0
3    4.0
4    3.0
5    2.0
6    5.0
dtype: float64

还可以按最大值排名，并降序排列：

In [126]: s.rank(method='max',ascending=False)
Out[126]:
0    2.0
1    7.0
2    2.0
3    4.0
4    5.0
5    6.0
6    4.0
dtype: float64

DataFrame则可以根据行或列计算排名：

In [128]: df = pd.DataFrame(np.random.randint(-10,10,(4,3)),columns=list('abc'))

In [129]: df
Out[129]:
    a  b  c
0  -9 -1 -8
1 -10  8 -7
2  -4  2  6
3   9 -2 -7

In [130]: df.rank(axis='columns')
Out[130]:
     a    b    c
0  1.0  3.0  2.0
1  1.0  3.0  2.0
2  1.0  2.0  3.0
3  3.0  2.0  1.0

下面列出了method参数可以使用的排名方法：

  • average:默认方式，计算平均排名
  • min：最小排名
  • max：最大排名
  • first：观察顺序排名
  • dense：类似min，但组间排名总是增加1
 函数和映射 统计和汇总 

评论总数： 1

点击登录后方可评论

s.rank(method='max',ascending=False) 我理解是先排序为7， 7， 4 ， 4，2，0，-5 第一个 7为1.0 第二个 7为2.0 (1.0+2.0)/2=1.5 四舍五入 2.0 第一个 4为3.0 第二个 4为4.0 （3.0+4.0)/2=3.5 -> 4.0 ……以此类推 不知道是不是这样？


By   啤啤__bee    On   2019年3月30日 10:45   回复