pandas之数据排序和合并

迈不过友情╰ 2023-01-11 01:24 166阅读 0赞

rank，sort\_index，merge，concat，info，describe, sum

# hello pandas
    """
        Series : 列
        DataFrame : 表
    """
    
    import numpy as np
    import pandas as pd
    
    # 对数据排序
    
    # 对列排序  series
    st = pd.Series(list('ACB'), index=[3, 1, 2])
    print('\n14:')
    print(st)
    """
    3    A
    1    C
    2    B
    """
    print('\n21:')
    print(st.sort_index())  # 按照索引排序
    """
    1    C
    2    B
    3    A
    """
    
    print('\n29:')
    print(st.sort_values())  # 按照值的ASCII排序
    """
    3    A
    2    B
    1    C
    """
    
    print('\n37:')
    print(st.sort_index(ascending=False))  # 按照索引 倒序
    """
    3    A
    2    B
    1    C
    """
    
    # 对表排序  DataFrame
    arr = [
        [8, 3, 1],
        [4, 7, 9],
        [6, 3, 8]
    ]
    
    df = pd.DataFrame(arr, index=[0, 2, 1], columns=list('CAB'))
    print(df)
    """
       C  A  B
    0  8  3  1
    2  4  7  9
    1  6  3  8
    """
    
    print('\n60:')
    print(df.sort_index())  # 按照 行排序
    """
       C  A  B
    0  8  3  1
    1  6  3  8
    2  4  7  9
    """
    
    print('\n70:')
    print(df.sort_index(axis=1))  # 按照 列排序
    """
       A  B  C
    0  3  1  8
    2  7  9  4
    1  3  8  6
    """
    
    print('\n79:')
    print(df.sort_values(by=['C']))  # 单独按照 C列排序
    """
       C  A  B
    2  4  7  9
    1  6  3  8
    0  8  3  1
    """
    
    # rank 排名
    print('\n89:')
    print(df)
    """
       C  A  B
    0  8  3  1
    2  4  7  9
    1  6  3  8
    """
    
    print('\n98:')
    print(df.rank())  # 得出名次  在列中的排名
    """
         C    A    B
    0  3.0  1.5  1.0
    2  1.0  3.0  3.0
    1  2.0  1.5  2.0
    """
    
    print('\n107:')
    # 得出名次  在列中的排名 先出现的排名高 （ first先出现的排序在前，max都排后，min都排前 ）
    print(df.rank(method='first'))
    """
         C    A    B
    0  3.0  1.0  1.0
    2  1.0  3.0  3.0
    1  2.0  2.0  2.0
    """
    
    
    # 合并 merge  列的合并
    df1 = pd.DataFrame({
        'stu_no': ['s1', 's2', 's1', 's3', 's4'],
        'score': np.random.randint(50, 100, size=5)
    })
    print('\n123:')
    print(df1)
    """
      stu_no  score
    0     s1     71
    1     s2     94
    2     s1     65
    3     s3     76
    4     s4     76
    """
    
    df2 = pd.DataFrame({
        'stu_no': ['s1', 's2', 's3', 's5'],
        'name': ['张三', '李四', '王五', '赵六', ]
    })
    print('\n138:')
    print(df2)
    """
      stu_no   name
    0     s1   张三
    1     s2   李四
    2     s3   王五
    3     s5   赵六
    """
    
    df_mg = pd.merge(df1, df2, on='stu_no')  # 属于inner join链接方式（交集）  以字段stu_no
    print('\n149:')
    print(df_mg)  #
    """
      stu_no  score  name
    0     s1     74   张三
    1     s1     76   张三
    2     s2     98   李四
    3     s3     54   王五
    """
    # how = outer  外连接    两个表所有的（合集）
    df_mg_left = pd.merge(df1, df2, on='stu_no', how='left')  # 左连接 以左边表为准
    print('\n160:')
    print(df_mg_left)
    """
      stu_no  score  name
    0     s1     55   张三
    1     s2     94   李四
    2     s1     96   张三
    3     s3     68   王五
    4     s4     86   NaN
    """
    
    
    # concat  行的合并
    
    df3 = pd.DataFrame(np.arange(1, 5).reshape(2, -1))
    print('\n175:')
    print(df3)
    """
       0  1
    0  1  2
    1  3  4
    """
    
    df4 = pd.DataFrame(np.zeros((2, 2)))
    print('\n184:')
    print(df4)
    """
         0    1
    0  0.0  0.0
    1  0.0  0.0
    """
    
    df_ct = pd.concat([df3, df4])   # df3 和 df4 行的上下合并  ，  axis = 1 是向右加数据
    print('\n193:')
    print(df_ct)
    """
         0    1
    0  1.0  2.0
    1  3.0  4.0
    0  0.0  0.0
    1  0.0  0.0
    """
    
    
    # 异常值的分析
    data = [
        [1, None],
        [4, 5],
        [None, None],
        [8, 9],
        [3, 4]
    ]
    df5 = pd.DataFrame(data, columns=['a', 'b'])
    print('\n213:')
    print(df5)   # df5.head(2) 取前两个   tail(2) 后两个
    """
         a    b
    0  1.0  NaN
    1  4.0  5.0
    2  NaN  NaN
    3  8.0  9.0
    4  3.0  4.0
    """
    
    # 查询df5 的信息
    print('\n225:')
    print(df5.info())
    """
    <class 'pandas.core.frame.DataFrame'>   类型
    RangeIndex: 5 entries, 0 to 4           索引范围 5个  0-4
    Data columns (total 2 columns):         两列
     #   Column  Non-Null Count  Dtype
    ---  ------  --------------  -----
     0   a       4 non-null      float64
     1   b       3 non-null      float64
    dtypes: float64(2)
    memory usage: 208.0 bytes               内存占用
    None
    """
    
    # 查看df5 值的信息
    print('\n240:')
    print(df5.describe())  # 可以单独使用 df5.count()   df5.mean()
    """
                 a         b
    count  4.00000  3.000000                数据个数
    mean   4.00000  6.000000                平均数
    std    2.94392  2.645751                标准差 var是方差 查看离散程度 波动大小
    min    1.00000  4.000000                最小值
    25%    2.50000  4.500000                四等份 下四分位数
    50%    3.50000  5.000000                中位数 
    75%    5.00000  7.000000                四等份 上四分位数
    max    8.00000  9.000000                最大值 
    """
    
    # df5列的和
    print('\n256:')
    print(df5.sum())  # 行的和 df5.sum(axis = 1)    df5.a.sum() 单独求a列的和
    """
    a    16.0
    b    18.0
    """