python之数据分析Pandas（7）

python之数据分析Pandas（7）

前言

昨天因为有点事情，所以没有来得及分享，今天我们继续学习，今天学习到的是Pandas的数据排序，包括Series的排序和DataFrame的排序。

开始

Series的排序

和往常一样，我们读取完数据之后，就开始了我们的数据分析，今天学习使用到的是天气的数据。

排序对于大家来说，应该一点都不陌生，今天我们对Series排序用到的就是sort_values()

Series.sort_values(ascending=True, inplace=False)
参数说明：
ascending：默认为True升序排序，为False降序排序
inplace：是否修改原始Series

df["aqi"].sort_values() 
# 输出一个Series
271     21
281     21
249     22
272     22
301     22
      ... 
317    266
71     287
91     287
72     293
86     387

我们对aqi这个列进行了排序，在这没有指定它的的排序类型，所以默认是升序排序，左边的数字代表索引号，右边则代表着aqi的数值。

df["aqi"].sort_values(ascending=False)
#	输出
86     387
72     293
91     287
71     287
317    266
      ... 
301     22
272     22
249     22
281     21
271     21

如果我们在这里指定一下它的排序类型，设置为降序排序，那么它输出的值便是逐渐减小的了。我们没有设置inplace，所以默认不改变原有的数据。
这里排序的都是一些数值，我们可不可以对字符串进行排序呢，答案是肯定的，sort_values()这个方法是依据字典排序的。下面我们就来看看吧。

df["tianqi"].sort_values()
225     中雨~小雨
230     中雨~小雨
197    中雨~雷阵雨
196    中雨~雷阵雨
112        多云
        ...  
191    雷阵雨~大雨
219     雷阵雨~阴
335      雾~多云
353         霾
348         霾

我们对天气这一列进行排序，默认为升序排序，然后来看看输出的结果。发现它是按照第一个字的字典依次进行排序的。

DataFrame的排序

学完了Series的排序，我们接下来学一下DataFrame的排序。

DataFrame.sort_values(by, ascending=True, inplace=False)
参数说明：

by：字符串或者List<字符串>，单列排序或者多列排序
ascending：bool或者List，升序还是降序，如果是list对应by的多列 inplace：是否修改原始DataFrame

后面的两个参数和Series的一样，多了一个by参数，用来放字符串或者List。具体我们通过代码来分析。

df.sort_values(by="aqi")	#对aqi进行排序

df是一个DataFrame对象表格，我们通过sort_values()方法来进行排序，by=aqi，说明我们是以aqi这一列排序后的结果作为标准，然后进行表格整体的排序，最后输出一个排序后的表格。同样也也可以指定其排序的类型，这里就不多展示了。
除了对单行列进行排序，我们还可以同时对多列进行排序。

# 按空气质量等级、最高温度排序，默认升序
df.sort_values(by=["aqiLevel", "bWendu"])

同时进行排序就会存在 一个问题，如果两列的排序的时候产生冲突怎么办呢？在sort_values()中，会默认前面的参数先排序，如果两列的某两行比较后恰好相反，那么就会优先第一列的排序。相当于第一个参数(aqiLevel)为一级索引排序，而第二个参数(bWendu)为二级索引排序。可以结合第85和86行，就会比较易懂。
在多列排序中，不仅可以默认升序排序，指定降序排序，还可以分别指定升序排序和降序排序。

# 分别指定升序和降序
df.sort_values(by=["aqiLevel", "bWendu"], ascending=[True, False])

具体的原理和上面讲的一样。

结尾

今天的学习就到这了，希望能够共同学习、联系我，带我学习更多。多多指教。