【项目实战】自监控-11-DataFrame索引操作（下篇）

系统：Windows 7
语言版本：Anaconda3-4.3.0.1-Windows-x86_64
编辑器：pycharm-community-2016.3.2

• 这个系列主要是实际在做项目的一个笔记
• 自监控项目，主要是对采集的质量监控数据做的一个实时预警
• 今天讲讲对DataFrame的行列索引重排序

Part 1：构建一个DataFrame

1. 一个DataFrame可以看成一个二维表格，不过这个二维表格有行标题也有列标题，而且每类标题可能不止一级
2. 示例中由一个字典构建一个DataFrame
3. 通过index参数指定行名称
4. 构建完一个DataFrame后，另外通过loc又增加了一列
   
   • 通过字典构建DataFrame，它的列已经默认排序好了
   • 为了体现后续的排序效果，额外增加了一列

import pandas as pd

dict1 = {"e": [1, 2, 3, 4], "c": [11, 12, 13, 14], 
         "b": [21, 22, 23, 24], "d": [31, 32, 33, 34]}
df = pd.DataFrame(dict1, index=["j", "k", "h", "i"])
df.loc[:, "a"] = [91, 92, 93, 94]
print("df=\n", df, "\n")

运行结果

Part 2：根据索引排序

1. sort_index(axis=0, ascending=True)可以选择对行索引排序还是列索引排序
   
   • axis=0对行索引排序
   • axis=1对列索引排序
   • ascending=True为升序

df2 = df.sort_index(axis=0, ascending=True)
print("df2=\n", df2, "\n")

df3 = df.sort_index(axis=1, ascending=True)
print("df3=\n", df3, "\n")

运行结果

Part 3：将索引转化为列表输出

1. 使用tolist()函数将索引直接转化为列表
2. df.index.values也可以得到索引对应的值，但是类型依然是numpy.ndarray

ind = df.index.tolist()
print("ind=", ind)
print("ind类型", type(ind), "\n")

ind2 = df.index.values
print("ind2=", ind2)
print("ind2类型", type(ind2))

运行结果

---

以上为本次的学习内容，下回见

本文为原创作品，如若转载请标明出处，如发现有错误，欢迎留言指出

---

更多原创请关注微信公众号

扫描二维码，关注公众号
Python 优雅 帅气