pandas索引与赋值操作、排序以及Series排序和DataFrame排序方式
作者：learning-striving
这篇文章主要介绍了pandas索引与赋值操作、排序以及Series排序和DataFrame排序方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
一、pandas索引操作
索引操作，使用索引选取序列和切片选择数据，也可以直接使用列名、行名称，或组合使用
- 直接使用行列索引：行列索引名顺序为先列再行，使用指定行列索引名，不能使用下标
- 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，不能使用下标
- iloc[行，列]：先行再列，只能使用索引下标获取数据，不能使用指定行列索引名
- 下标索引与指定行列索引相结合：使用index或columns.get_indexer，见案例
代码如下
import pandas as pd import numpy as np # 数据生成代码 num = np.random.randint(50, 100, (3, 5)) num # 传入标签索引 column = ['第一列', '第二列', '第三列', '第四列', '第五列'] # 列标签索引 # ind = ['第一行', '第二行', '第三行'] # 行标签索引 ind = ['第_' + str(i) + '_行' for i in range(num.shape[0])] # 行标签索引，num.shape[0]即获取num数组的行号，此处为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，报错 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]行中的数据 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-最后一列的数据 data.iloc[:2, 2:] # iloc只能使用下标索引，切取[0,2)行，3-最后一列的数据
数据生成
操作如下
下标索引与指定行列索引相结合
data.loc[data.index[0:2], ['第二列', '第三列', '第五列']] # 下标索引与指定行列索引相结合 data.iloc[0:2, data.columns.get_indexer(['第二列', '第三列', '第五列'])] # 下标索引与指定行列索引相结合
二、pandas赋值操作
只能对某一列赋值，不能对一行赋值，有两种方式，直接使用索引或用点.索引名，具体如下
代码如下
import pandas as pd import numpy as np # 数据生成代码 num = np.random.randint(50, 100, (3, 5)) # 传入标签索引 column = ['第一列', '第二列', '第三列', '第四列', '第五列'] # 列标签索引 # ind = ['第一行', '第二行', '第三行'] # 行标签索引 ind = ['第_' + str(i) + '_行' for i in range(num.shape[0])] # 行标签索引，num.shape[0]即获取num数组的行号，此处为3 data2 = pd.DataFrame(num, columns=column, index=ind) data2 ------------------------------------------------------------ data2['第四列'] = 88 # 值可为字符串或汉字 data2 data2.第一列 = 99 # 方式二 data2
生成数据
操作如下
三、pandas排序
pandas排序有两种方式，一种是对索引进行排序，另一种是对内容进行排序
3.1 DataFrame排序
df.sort_values(by=, ascending=)：单个键(列名)或多个键进行排序by：指定排序参考的键ascending：指定升序或降序ascending=True：默认升序ascending=False：降序df.sort_index()：给索引进行排序
代码如下
data2.sort_values(by='第三列') # 默认ascending=True，即升序排序 data2.sort_values(by='第三列', ascending=False) # 根据第三列降序排序 data2.sort_values(by=['第一列', '第四列'], ascending=False) # 根据多列降序排序 data2.sort_index() # 给索引进行排序
操作演示
3.2 Series排序
- series.sort_values(ascending=True)：series排序时，只有一列，不需要参数
- series.sort_index(ascending=)：根据索引排序，ascending指定升序或降序，默认升序
代码如下
data2['第四列'].sort_values() # 默认ascending=True，即将第四列升序排序 data2['第四列'].sort_values(ascending=False) # ascending=False，将第四列降序排序 data2['第四列'].sort_index(ascending=False) # ascending=False，根据索引将第四列降序排序 data2['第四列'].sort_index() # 默认ascending=True，根据索引将第四列升序排序
操作演示
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。