Vertiefendes Verständnis der Pandas-Sortierung: Tipps von der Einzelspaltensortierung bis zur Mehrspaltensortierung

Entdecken Sie die Pandas-Sortiermethoden: Von der einfachen Sortierung bis zur mehrspaltigen Sortierung sind spezifische Codebeispiele erforderlich.

Einführung:
Im Prozess der Datenanalyse und -verarbeitung ist das Sortieren ein sehr grundlegender und wichtiger Vorgang. In der Datenanalysebibliothek von Python bietet Pandas eine Fülle von Sortiermethoden, um die Sortieranforderungen in verschiedenen Szenarien zu erfüllen. In diesem Artikel werden die Sortiermethoden in Pandas vorgestellt, von der einfachen einspaltigen Sortierung bis zur mehrspaltigen Sortierung, und spezifische Codebeispiele gegeben.

1. Grundlegende Sortiermethode

1. Nach Wert sortieren: Verwenden Sie die Methode sort_values()
   sort_values(), um einen DataFrame oder eine Serie basierend auf dem Wert einer angegebenen Spalte zu sortieren. Der Standardwert ist aufsteigend. Sie können den Parameter aufsteigend auf „Falsch“ setzen, um in absteigender Reihenfolge zu sortieren.

Hier ist ein Beispielcode:

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)

Ausgabeergebnis:

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

2. Nach Index sortieren: Verwenden Sie die Methode sort_index()
   sort_index(), um basierend auf dem Index einer Zeile oder Spalte zu sortieren. Standardmäßig wird nach Zeilenindex sortiert. Sie können den Achsenparameter auf 1 setzen, um nach Spaltenindex zu sortieren.

Das Folgende ist ein Beispielcode:

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)

Ausgabeergebnis:

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

2. Mehrspaltige Sortiermethode
Manchmal ist es notwendig, nach mehreren Spalten zu sortieren. Pandas stellt die mehrspaltige Sortierfunktion der Methode sort_values() bereit, die durch Übergabe der Namen mehrerer Sortierspalten implementiert werden kann. Bei der mehrspaltigen Sortierung wird in der Reihenfolge der übergebenen Spalten sortiert, Zeilen mit derselben ersten Spalte werden nach der zweiten Spalte sortiert und so weiter.

Das Folgende ist ein Beispielcode:

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)

Ausgabeergebnis:

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

Sortieren Sie wie oben gezeigt zuerst nach der Altersspalte und dann Zeilen mit derselben Altersspalte nach der Punktespalte.

Fazit:
Dieser Artikel stellt die Sortiermethoden in Pandas vor, von der einfachen einspaltigen Sortierung bis zur mehrspaltigen Sortierung, und gibt spezifische Codebeispiele. Im eigentlichen Datenanalyse- und -verarbeitungsprozess kann uns die flexible Anwendung dieser Sortiermethoden dabei helfen, große Datenmengen schnell zu verarbeiten und zu analysieren und die Arbeitseffizienz zu verbessern. Ich hoffe, dass dieser Artikel Ihnen hilft, die Pandas-Sortiermethoden zu verstehen und zu verwenden.

Das obige ist der detaillierte Inhalt vonVertiefendes Verständnis der Pandas-Sortierung: Tipps von der Einzelspaltensortierung bis zur Mehrspaltensortierung. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!