python_pandas_(2)

排序

In [9]: df.sort_values(['数学','语文']).head()     #  先按数学成绩进行排序，若数学成绩相同，则按语文成绩排序

Out[9]:

	序号	姓名	性别	语文	数学	英语	物理	化学	生物
2	3	yue	女	90	66	87	78	73	86
0	1	jin	女	95	66	85	75	79	89
5	6	chen	男	78	69	58	52	92	62
4	5	mu	女	55	86	95	72	76	79
1	2	li	男	88	87	68	92	82	63

访问

In [10]:# 按照索引去定位

           df.loc[1]

Out[10]:

序号       2
姓名      li
性别       男
语文      88
数学      87
英语      68
物理      92
化学      82
生物      63
Name: 1, dtype: object

索引

In [11]:scores = {

    '英语':[97,84,68],
    '数学':[65,78,56],
    '姓名':['wang','jin','li']

}

             df = pd.DataFrame(scores, index=['one','two','three'])
             df

Out[11]:

	姓名	数学	英语
one	wang	65	97
two	jin	78	84
three	li	56	68

 

In [12]:df.index

Out [12]:Index(['one', 'two', 'three'], dtype='object')

In [13]: # 此时不存在数字索引，所以不能通过数字索引去访问
            # df.loc[1]
            df.loc['one']

Out[13]:

姓名    wang
数学      65
英语      97
Name: one, dtype: object

In [14]:# 实实在在的所谓的第几行

            df.iloc[0]

Out[14]:

姓名    wang
数学      65
英语      97
Name: one, dtype: object

In [15]:# 访问某一行，下面写法错误
           # df[0]

          #访问多行数据是可以使用切片的
          df[:2]

Out[15]:

	序号	姓名	性别	语文	数学	英语	物理	化学	生物
0	1	jin	女	95	66	85	75	79	89
1	2	li	男	88	87	68	92	82	63

 

In [16]:df.values
Out[16]:array([[1, '  jin', '  女', 95, 66, 85, 75, 79, 89],
       [2, '  li', '   男', 88, 87, 68, 92, 82, 63],
       [3, '  yue', '  女', 90, 66, 87, 78, 73, 86],
       [4, '  wang', ' 女', 82, 97, 78, 96, 92, 53],
       [5, '  mu', '   女', 55, 86, 95, 72, 76, 79],
       [6, '  chen', ' 男', 78, 69, 58, 52, 92, 62]], dtype=object)

In [17]:# dataframe中的数组
        df.数学.values
Out[17]:array([66, 87, 66, 97, 86, 69], dtype=int6

In [18]:# 简单的统计
        df.数学.value_counts()  #数学分值有多少人
Out[18]:
66    2
87    1
86    1
69    1
97    1
Name: 数学, dtype: int64

# 提取多列

In [19]:new = df[['数学','语文']].head()

             new

	数学	语文
0	66	95
1	87	88
2	66	90
3	97	82
4	86	55

重点

In [20]:def func(scores):
                  if scores >= 80:
                          return '优秀'
                  elif scores >= 70:
                          return '良'
                  elif scores >= 60:
                          return '及格'
                  else:
                          return '不及格'

            df['数学分类'] = df.数学.map(func)

In [21]:df

Out[21]:

	序号	姓名	性别	语文	数学	英语	物理	化学	生物	数学分类
0	1	jin	女	95	76	85	75	79	89	良
1	2	li	男	88	87	68	92	82	63	优秀
2	3	yue	女	90	66	87	78	73	86	及格
3	4	wang	女	82	97	78	96	92	53	优秀
4	5	mu	女	55	86	95	72	76	79	优秀
5	6	chen	男	78	69	58	52	92	62	及格

In [22]:# applymap 对dataframe中所有的数据进行操作的一个函数，非常重要
           def func(number):
                   return number+10
           # 等价
          func = lambda number: number+10

         df.applymap(lambda x: str(x) + '-')

	序号	姓名	性别	语文	数学	英语	物理	化学	生物	数学分类
0	1-	jin-	女-	95-	76-	85-	75-	79-	89-	良-
1	2-	li-	男-	88-	87-	68-	92-	82-	63-	优秀-
2	3-	yue-	女-	90-	66-	87-	78-	73-	86-	及格-
3	4-	wang-	女-	82-	97-	78-	96-	92-	53-	优秀-
4	5-	mu-	女-	55-	86-	95-	72-	76-	79-	优秀-
5	6-	chen-	男-	78-	69-	58-	52-	92-	62-	及格-