padndas提供了丰富的统计、合并、分组、缺失值等操作函数

　　排序

　　排序：即对里面的数据按照大小，或者按照某种规则排序。

　　对DataFrame数据进行排序与Series相似，Dataframe也有按sort_values()与 sort_index()分别按照值、索引进行排序。

　　参数by=“columns_name”指定排序值参考列，默认ascending=True按升序排序,指定inplace=True,将同时修改原数据。可传入axis=1,按行标签排序，不过用到的时候不多。

　　以近期粽子销售数据为例介绍sort_values()的使用,数据结构如下：

　　比如我们按照价格进行排序,注意默认是升序：

　　import pandas as pd

　　import numpy as np

　　# 按照发货地分组

　　df = pd.read_csv('zongzi.csv')

　　df1 = df.sort_values(by='价格')

　　df1.head()

　　结果：

　　如果按照降序排列，则需要添加参数ascending=False

　　df1 = df.sort_values(by='价格',ascending=False)df1.head()

　　结果：

　　统计函数

　　padndas提供了丰富的统计、合并、分组、缺失值等操作函数。

　　比如灵活高效的groupby功能，它使你能以一种自然的方式对数据集进行切片、切块、摘要等操作。而如果使用groupby函数则肯定与下面的统计函数息息相关。

　　常用的统计函数有：

　　df.count() 非空元素计算

　　df.min() 最小值

　　df.max() 最大值

　　df.idxmin() 最小值的位置，类似于R中的which.min函数

　　df.idxmax() 最大值的位置，类似于R中的which.max函数

　　df.quantile(0.1) 10%分位数

　　df.sum() 求和

　　df.mean() 均值

　　df.median() 中位数

　　df.mode() 众数

　　df.var() 方差

　　df.std() 标准差

　　df.mad() 平均绝对偏差

　　df.skew() 偏度

　　df.kurt() 峰度

　　df.describe() 一次性输出多个描述性统计指标

　　groupby使用介绍

　　分组运算"split-apply-combine"(拆分-应⽤-合并)。第⼀个阶段，pandas对象(⽆论是Series、DataFrame还是其他的)中的数据会根据你所提供的⼀个或多个键被拆分(split)为多组。拆分操作是在对象的特定轴上执⾏的。例如，DataFrame可以在其⾏(axis=0)或列(axis=1)上进⾏分组。然后，将⼀个函数应⽤(apply)到各个分组并产⽣⼀个新值。最后，所有这些函数的执⾏结果会被合并(combine)到最终的结果对象中。

　　groupby的语法结构如下：

　　* by 分组的行或者列

　　* axis=0 行 / 1 列

　　* 如果有多层索引可以使用level

　　以近期粽子销售数据为例介绍groupby的使用：

　　数据结构如下

　　groupby对象的属性和内容获取

　　import pandas as pd

　　import numpy as np

　　# 按照发货地分组

　　df = pd.read_csv('zongzi.csv')

　　grouped = df.groupby('发货地')

　　print(grouped)

　　打印结果：

　　<pandas.core.groupby.generic.dataframegroupby 0x11a97a950="" at="" object="">

　　查看grouped的组成groups

　　grouped.groups

　　当然大家也可以对grouped进行遍历查看结果：

　　for group in grouped: print(group)

　　这么多分组，我们可以选择一个分组进行查看：

　　grouped.get_group('上海')

　　按照某一列分组并进行统计

　　# 结合统计函数count(),进行发货地的个数统计

　　import pandas as pd

　　import numpy as np

　　# 按照产地分组并统计个数

　　df = pd.read_csv('zongzi.csv')

　　grouped = df.groupby('发货地')

　　grouped['发货地'].count().sort_values(ascending=False) # 统计各个发货地的个数并降序排列

　　结果：

　　当然也可以获取各个店铺商品的数量(注意如果是各个店铺则是按照店铺分组，然后再对商品名称进行个数统计)

　　df['商品名称'].groupby(df['店铺']).count().sort_values(ascending=False)

　　结果：

　　各个店铺的销量总和，销量列是字符串列

　　df.info()

　　所以在进行求和之前我们要进行转换，只提取销量的数字变成整型类型的

　　import pandas as pd

　　import numpy as np

　　import re

　　df = pd.read_csv('zongzi.csv')

　　# 清洗缺失值的数据，进行填充

　　df['销量'].fillna('0人付款', inplace=True)

　　def convert_sale(row):

　　if '+' in row['销量']:

　　row['销量'] = row['销量'].replace('+', '')

　　print(row)

　　if '万' in row['销量']:

　　return float(re.search(r'(.+)万人付款', row['销量']).group(1)) * 10000

　　else:

　　return int(re.search(r'(.+)人付款', row['销量']).group(1))

　　df['销量1'] = df.apply(convert_sale, axis=1)

　　然后计算总和：

　　df['销量1'].groupby(df['店铺']).sum().sort_values(ascending=False)

　　按照多列分组,比如每个发货地的各个店铺的销量总和

　　df.groupby(['发货地','店铺'])['销量1'].sum().sort_values(ascending=False)

　　获取分组后的某一部分数据可以使用如下格式：

　　grouped = df.groupby(by=['O', 'N'])

　　grouped.count()['M']

　　或

　　grouped['M'].count()

　　所以运行后的结果：

　　当然还有一些复杂的使用，下篇文章给大家详细介绍。

　　更多关于“Python培训”的问题，欢迎咨询千锋教育在线名师。千锋教育多年办学，课程大纲紧跟企业需求，更科学更严谨，每年培养泛IT人才近2万人。不论你是零基础还是想提升，都可以找到适合的班型，千锋教育随时欢迎你来试听。