每天抽点时间，写写文采飘逸的文章

坚持个几年，成为称霸一方的大佬

坚持就会成功吧~

最近碰到瓶颈了，

一直找不到好的运营公众号的方式（好想有人指导唉~，对了，橡皮擦有个100多人的小qun，缺划水，话痨管理…）

谁有啥经验呢

给评论两句，帮橡皮擦指个鹿

嘿嘿哈嘿~

这一篇，

我要开始给你嘚啵一下分组与排序了

这两个函数分类

你一定要学会，学会了

就深得pandas精髓了

先说排序

英文sorted

好了，说完了，其他的自己感受吧

O(∩_∩)O哈哈~

开个玩笑

作为程序布道师，我是一定要讲明白的

看，那是sorted

在dataframe里面，有两个排序的函数

一个叫做sort_values，还有一个也叫做 sort_values 额，不对，叫做 sort_index

见到名字

对于已经看过我6篇博客的你来说

瞬间你就知道它们是干啥的了

• sort_index 按照索引排序
• sort_values 按照值排序

那我们就先表一表sort_index

先准备一个基本的数据

代码写的好不好，全看你找的数据准不准

df = pd.DataFrame([[4,8,3],[5,6,1],[1,9,2]],columns=['boys','girls','aboys'],index=['class2','class1','class3'])

打印出来，一看就能看到，这个栗子举得真棒

        boys  girls  aboys
class2     4      8      3
class1     5      6      1
class3     1      9      2

注意看，列索引的名字分别是boys,girls,aboys

行索引的名字分别是 class2,class1,class3

顺序都是乱的哦~

下面，使用排序

df = pd.DataFrame([[4,8,3],[5,6,1],[1,9,2]],columns=['boys','girls','aboys'],index=['class2','class1','class3'])

print(df)
print(df.sort_index())
print(df.sort_index(axis=1))
print(df.sort_index(axis=0))

噔噔噔~

看结果

看到了没，axis这个参数，又起到作用了哦~

当然，倒序也是比较容易的

就加一个ascending =False 就OK啦

这么简单，就不演示了

sort_index嘚啵完毕，就该sort_values出面了

这个函数，比上面多一个参数by

演示走一波

df = pd.DataFrame([[4,8,3],[5,6,1],[1,9,2]],columns=['boys','girls','aboys'],index=['class2','class1','class3'])

print(df)
print(df.sort_values(by='boys'))
print(df.sort_values(by='girls'))

print(df.sort_values(by='class1',axis=1))

继续上个小图，说明一下

当然，还可以指定多列，不过不推荐，你可以用下面的代码

微微一测，技术到手

print(df.sort_values(by=['boys','girls']))

分组，组叫做group

在pandas中，这个就属于比较高级的函数的

GroupBy

官网注释里面给了一句

注意看，他把by当成了可选参数，

呵呵，官网写错了

你必须要传递一个by或者level进去

也就是按照谁来分组

但是，问题又来了

你要分组，必须要有意义

什么意思？

比如，我们一直测试的数据

这个数据，请问，你需要分组

你需要怎么分组？

这个压根不需要分组的好吧

所以分组前，你必须要明确的看到

恩，这个数据，我需要分组，才能不拉不拉的做一些事情

于是乎，我开始分组

顺手就来

看数据

import pandas as pd

mydict = {
    'class_name':['class1','class1','class2','class2'],
    'student':[20,30,10,20]
}
df = pd.DataFrame(mydict)
print(df)

唉，这个数据就比较好学习分组了

在某次，某次什么事件中，统计到的每个班的学生人数如下

我接下来，要知道class1班有多少，class2班有多少人

那需要按照班级名字分组啊

也就是

class_name

你看，分组概念出来了吧

print("*"*100)
print(df.groupby(by='class_name'))

一瞅，结果

嘿嘿，果然看不懂

****************************************************************************************************
<pandas.core.groupby.groupby.DataFrameGroupBy object at 0x000001CB1D07CE80>

其实没啥了，是一个DataFrameGroupBy 对象

分组之后，你需要在使用一个聚合或者计算类的函数

就OK的拉

比如，分组求和

print(df.groupby(by='class_name').sum())
------------------------------------------
            student
class_name
class1           50
class2           30

比如，分组求平均值

print(df.groupby(by='class_name').mean())

比如，分组求那个啥？

print(df.groupby(by='class_name').count())

还有那个啥

df.groupby(by='class_name').size()

好了，来了一个小重点 small case

这两个乍一看，咦，结果一样唉

注意，细节，细节才能区分大佬与大菜鸟

print("*"*100)
print(type(df.groupby(by='class_name').size()))
print("*"*100)
print(type(df.groupby(by='class_name').count()))

这两返回的类型都不同

****************************************************************************************************
<class 'pandas.core.series.Series'>
****************************************************************************************************
<class 'pandas.core.frame.DataFrame'>

一个是Series，是个是DataFrame

在往深处研究

import pandas as pd

mydict = {
    'class_name':['class1','class1','class2','class2','class3','class4','class4'],
    'student':[20,30,10,20,5,None,12]
}
df = pd.DataFrame(mydict)
print(df)

print("*"*100)
print(df.groupby(by='class_name').size())
print("*"*100)
print(df.groupby(by='class_name').count())

对比结果吧

拿出笔来，画重点

count不统计none值

漂亮，深得精髓

OK了，这篇博客到此结果喽

知道你没学会，学会你就是最聪明的

明天我们继续研究groupby的其他用法

到现在为止，简单的部分已经完事了

从NOW开始，剩下的都是难的了

哈哈哈哈

赶紧让朋友也关注啊…