데이터 정렬 문제를 쉽게 처리하세요: 간단하고 이해하기 쉬운 팬더 정렬 가이드

간단하고 이해하기 쉬운 팬더 정렬 튜토리얼: 데이터 정렬 문제를 쉽게 처리할 수 있으며 특정 코드 예제가 필요합니다.

데이터 분석 및 처리에서 더 나은 결과를 얻기 위해 데이터를 정렬해야 하는 경우가 많습니다. 데이터의 특성과 패턴을 이해합니다. Python에서 pandas 라이브러리는 데이터 분석 및 처리를 위한 중요한 도구 중 하나입니다. 이 튜토리얼에서는 팬더를 사용하여 데이터를 빠르고 유연하게 정렬하는 방법을 설명하고 구체적인 코드 예제를 제공합니다.

1. 데이터 정렬의 기본 개념

정렬에 앞서 데이터 정렬의 기본 개념을 이해해야 합니다. Pandas에는 데이터를 정렬하는 두 가지 주요 방법이 있습니다: 행 기준 정렬과 열 기준 정렬.

행별 정렬: 특정 열의 값에 따라 데이터의 전체 행을 정렬합니다. 이를 통해 특정 열 또는 데이터 열의 순위를 빠르게 확인할 수 있습니다.

열별 정렬: 데이터의 전체 열을 숫자 크기에 따라 정렬합니다. 이를 통해 특정 특성에 따라 데이터를 정렬하므로 이해하고 분석하기가 더 쉽습니다.

2. 행 기준 정렬

1. 단일 열 기준 정렬

먼저, 데이터 정렬 과정을 보여주기 위해 간단한 데이터 세트를 만들어야 합니다.

import pandas as pd

data = {'姓名': ['张三', '李四', '王五', '赵六'],
        '年龄': [25, 32, 28, 19],
        '分数': [80, 90, 85, 75]}

df = pd.DataFrame(data)

다음으로 "sort_values" 함수를 사용하여 데이터를 정렬할 수 있습니다. 기본적으로 이 함수는 지정된 열을 기준으로 오름차순으로 정렬합니다.

df_sorted = df.sort_values(by='年龄')
print(df_sorted)

실행 결과는 다음과 같습니다.

   姓名  年龄  分数
3  赵六  19  75
0  张三  25  80
2  王五  28  85
1  李四  32  90

"age" 열을 기준으로 정렬한 후 데이터가 오름차순으로 정렬되어 있는 것을 확인할 수 있습니다.

2. 여러 열을 기준으로 정렬

여러 열을 기준으로 정렬해야 하는 경우 "by" 매개변수에 여러 열 이름만 전달하면 됩니다.

df_sorted = df.sort_values(by=['年龄', '分数'])
print(df_sorted)

실행 결과는 다음과 같습니다.

   姓名  年龄  分数
3  赵六  19  75
0  张三  25  80
2  王五  28  85
1  李四  32  90

데이터가 먼저 "age" 열을 기준으로 정렬된 다음 "score" 열을 기준으로 정렬되는 것을 확인할 수 있습니다.

3. 열 기준 정렬

열 기준 정렬은 주로 데이터를 더 잘 이해하고 분석하기 위해 데이터의 전체 열을 숫자 크기에 따라 정렬하는 것입니다.

1. 열 이름으로 정렬

"sort_index" 함수를 사용하여 열을 정렬할 수 있습니다. 기본적으로 이 함수는 열 이름을 기준으로 알파벳순으로 정렬됩니다.

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

실행 결과는 다음과 같습니다.

   分数  年龄  姓名
0  80  25  张三
1  90  32  李四
2  85  28  王五
3  75  19  赵六

데이터가 "Score", "Age", "Name"이라는 열 이름을 기준으로 알파벳순으로 정렬되어 있는 것을 확인할 수 있습니다.

2. 열 데이터로 정렬

열 데이터의 크기를 기준으로 정렬할 수도 있습니다. "by" 매개변수에 열 데이터를 전달하면 됩니다.

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

실행 결과는 다음과 같습니다.

   姓名  分数  年龄
0  张三  80  25
1  李四  90  32
2  王五  85  28
3  赵六  75  19

데이터가 먼저 "age" 열을 기준으로 정렬된 다음 해당 열 데이터를 기준으로 정렬되는 것을 확인할 수 있습니다.

4. 기타 정렬 매개변수

Pandas는 기본 정렬 방법 외에도 오름차순 정렬, 내림차순 정렬, 결측값 처리 등과 같은 기타 유용한 정렬 매개변수도 제공합니다.

"sort_values" 함수에서 "ascending" 매개변수를 사용하여 오름차순 또는 내림차순 정렬을 지정할 수 있습니다. 기본적으로 이 매개변수는 "True"이며 오름차순으로 정렬됩니다.

df_sorted = df.sort_values(by='年龄', ascending=False)
print(df_sorted)

실행 결과는 다음과 같습니다.

   姓名  年龄  分数
1  李四  32  90
2  王五  28  85
0  张三  25  80
3  赵六  19  75

데이터가 "age" 열을 기준으로 내림차순으로 정렬되어 있는 것을 확인할 수 있습니다.

오름차순 및 내림차순 정렬 외에도 정렬 과정에서 누락된 값을 처리할 수도 있습니다. "sort_values" 함수에서 "na_position" 매개변수를 사용하여 누락된 값을 처리하는 방법을 지정할 수 있습니다. 기본적으로 이 매개변수는 결측값을 마지막으로 정렬하는 "last"이며, 이 매개변수를 "first"로 설정하면 결측값을 먼저 정렬합니다.

data = {'姓名': ['张三', '李四', '王五', None],
        '年龄': [25, None, 28, 19],
        '分数': [80, 90, 85, 75]}

df = pd.DataFrame(data)

df_sorted = df.sort_values(by='年龄', na_position='first')
print(df_sorted)

실행 결과는 다음과 같습니다.

    姓名    年龄  分数
1   李四    NaN  90
3  None  19.0  75
0   张三  25.0  80
2   王五  28.0  85

"age" 열을 기준으로 정렬하면 누락된 값이 먼저 배치되는 것을 확인할 수 있습니다.

요약하자면, 이 튜토리얼에서는 행별 정렬, 열별 정렬 등 간단하고 이해하기 쉬운 팬더 정렬 튜토리얼을 소개하고 구체적인 코드 예제를 제공합니다. 이 튜토리얼을 공부하면 데이터 정렬 문제를 쉽게 처리하고 데이터 분석 및 처리에 유연하게 사용할 수 있다고 믿습니다.

위 내용은 데이터 정렬 문제를 쉽게 처리하세요: 간단하고 이해하기 쉬운 팬더 정렬 가이드의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!