Pemahaman mendalam tentang pengisihan panda: petua daripada pengisihan lajur tunggal kepada pengisihan berbilang lajur

WBOY
Lepaskan: 2024-01-24 09:46:06
asal
988 orang telah melayarinya

Pemahaman mendalam tentang pengisihan panda: petua daripada pengisihan lajur tunggal kepada pengisihan berbilang lajur

Teroka kaedah pengisihan panda: daripada pengisihan asas kepada pengisihan berbilang lajur, contoh kod khusus diperlukan

Pengenalan:
Dalam proses analisis dan pemprosesan data, pengisihan ialah operasi yang sangat asas dan penting. Dalam perpustakaan analisis data Python, panda menyediakan pelbagai kaedah pengisihan untuk memenuhi keperluan pengisihan dalam senario yang berbeza. Artikel ini akan memperkenalkan kaedah pengisihan dalam panda, daripada pengisihan lajur tunggal asas kepada pengisihan berbilang lajur dan memberikan contoh kod khusus.

1. Kaedah pengisihan asas

  1. Isih mengikut nilai: Gunakan kaedah sort_values()
    sort_values() untuk mengisih DataFrame atau Series berdasarkan nilai lajur yang ditentukan. Lalai ialah tertib menaik Anda boleh menetapkan parameter menaik kepada False untuk mengisih dalam tertib menurun.

Berikut ialah contoh kod:

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
        'age': [25, 30, 20, 35],
        'score': [80, 90, 85, 95]}

df = pd.DataFrame(data)

# 按照age列进行升序排序
df_sorted = df.sort_values('age')

print(df_sorted)
Salin selepas log masuk

Hasil keluaran:

      name  age  score
2  Charlie   20     85
0    Alice   25     80
1      Bob   30     90
3    David   35     95
Salin selepas log masuk
  1. Isih mengikut indeks: Gunakan kaedah sort_index()
    Kaedah sort_index() boleh mengisih berdasarkan indeks baris atau lajur. Lalai adalah untuk mengisih mengikut indeks baris Anda boleh menetapkan parameter paksi kepada 1 untuk mengisih mengikut indeks lajur.

Berikut ialah contoh kod:

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
        'age': [25, 30, 20, 35],
        'score': [80, 90, 85, 95]}

df = pd.DataFrame(data)

# 按照行索引进行升序排序
df_sorted = df.sort_index()

print(df_sorted)
Salin selepas log masuk

Hasil keluaran:

      name  age  score
0    Alice   25     80
1      Bob   30     90
2  Charlie   20     85
3    David   35     95
Salin selepas log masuk

2. Kaedah pengisihan berbilang lajur
Kadangkala perlu mengisih berdasarkan berbilang lajur. Pandas menyediakan fungsi pengisihan berbilang lajur bagi kaedah sort_values(), yang boleh dilaksanakan dengan menghantar nama berbilang lajur pengisihan. Isih berbilang lajur akan diisih mengikut susunan lajur yang diluluskan, baris dengan lajur pertama yang sama akan diisih mengikut lajur kedua dan seterusnya.

Berikut ialah kod sampel:

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
        'age': [25, 30, 20, 30],
        'score': [80, 90, 85, 95]}

df = pd.DataFrame(data)

# 按照age和score列进行升序排序
df_sorted = df.sort_values(['age', 'score'])

print(df_sorted)
Salin selepas log masuk

Hasil keluaran:

      name  age  score
2  Charlie   20     85
0    Alice   25     80
1      Bob   30     90
3    David   30     95
Salin selepas log masuk

Seperti yang ditunjukkan di atas, isikan dahulu mengikut lajur umur, dan kemudian susun baris dengan lajur umur yang sama mengikut lajur skor.

Kesimpulan:
Artikel ini memperkenalkan kaedah pengisihan dalam panda, daripada pengisihan lajur tunggal kepada pengisihan berbilang lajur dan memberikan contoh kod khusus. Dalam proses analisis dan pemprosesan data sebenar, aplikasi fleksibel kaedah pengisihan ini boleh membantu kami memproses dan menganalisis sejumlah besar data dengan cepat dan meningkatkan kecekapan kerja. Saya harap artikel ini akan membantu anda memahami dan menggunakan kaedah pengisihan panda.

Atas ialah kandungan terperinci Pemahaman mendalam tentang pengisihan panda: petua daripada pengisihan lajur tunggal kepada pengisihan berbilang lajur. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

sumber:php.cn
Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan
Tentang kita Penafian Sitemap
Laman web PHP Cina:Latihan PHP dalam talian kebajikan awam,Bantu pelajar PHP berkembang dengan cepat!