小白学 Python 数据分析（5）：Pandas （四）基础操做（1）查看数据

在家为国家作贡献太无聊，不如跟我一块儿学点 Python

人生苦短，我用 Python

前文传送门：

小白学 Python 数据分析（1）：数据分析基础

小白学 Python 数据分析（2）：Pandas （一）概述

小白学 Python 数据分析（3）：Pandas （二）数据结构 Series

小白学 Python 数据分析（4）：Pandas （三）数据结构 DataFrame

引言

最近这个系列有段时间没更新，理由也就不找了，总结就一点，懒！懒得学习！

我就是这么一个能敢于发现而且认可错误的人。

不过从这篇开始，我又恢复更新了，手动滑稽一下：）

接下来小编要分享一些 Pandas 的基础操做，可能会有些无聊，不过仍是但愿有兴趣的同窗能对照着代码本身动手敲一下。

闲话很少聊，下面开始正题。

查看数据

前面的两篇内容中，咱们介绍了 Pandas 的两种数据结构，本篇的内容将主要介绍一些有关于 DataFrame 的查找操做，毕竟 DataFrame 是一个二维相似于表同样的数据结构，咱们平时会更多的使用 DataFrame 。

首先第一部仍是导入 Pandas 与 NumPy ，而且要生成一个 DataFrame ，这里小编就简单的使用随机数的形式进行生成，代码以下：

import numpy as np
import pandas as pd

dates = pd.date_range('20200101', periods=6)
df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))

print(df)复制代码

这里最后咱们打印了一下这个生成的 DataFrame ，结果以下：

A         B         C         D
2020-01-01  0.177499 -0.025693  0.182894 -1.123577
2020-01-02  1.067580  1.592576 -0.010205 -0.349342
2020-01-03  1.141218  1.032333  1.364477  0.851630
2020-01-04  0.920260 -0.243247  0.196369 -0.835655
2020-01-05 -0.729184 -0.235706  1.144007 -1.048619
2020-01-06 -0.480888 -0.995325 -0.283726  0.428644复制代码

以上咱们的准备工做就完成了，已经构建了一个随机产生的 DataFrame ，接下来咱们看一些简单的取值操做。

首先第一个是从头部开始取值，这里使用到的方法是 head() ，好比如今须要取出上面这个 df 中第一行的数据，那咱们能够这么写：

# 查看头部数据
print(df.head(1))复制代码

结果以下：

A         B         C         D
2020-01-01  0.177499 -0.025693  0.182894 -1.123577复制代码

既然有从头部取数那么必定会有从尾部取数，这个方法是 tail() ，用法和上面的同样，这里咱们从尾部取出两行的数据，以下：

# 查看尾部数据
print(df.tail(2))复制代码

结果以下：

A         B         C         D
2020-01-05 -0.729184 -0.235706  1.144007 -1.048619
2020-01-06 -0.480888 -0.995325 -0.283726  0.428644复制代码

对照看以前的 df ，能够看到计算机成功完成了咱们的目标。

接下来，咱们获取这个 df 的索引，这里能够用到的方法是 index ，以下：

# 获取索引
print(df.index)复制代码

结果以下：

DatetimeIndex(['2020-01-01', '2020-01-02', '2020-01-03', '2020-01-04',
               '2020-01-05', '2020-01-06'],
              dtype='datetime64[ns]', freq='D')复制代码

能获取索引那么就必定能获取全部的列名，这个方法你们可能都猜到了，就是 columns ，没毛病， Pandas 的命名仍是很友好的，直接就是英文翻译，多的我这里就不吐槽了，命名不规范的代码常常性的会形成他人的误解，因此建议各位尽可能命名规范一点：

# 获取列名
print(df.columns)复制代码

结果以下：

Index(['A', 'B', 'C', 'D'], dtype='object')复制代码

这里 Pandas 还为咱们提供了一个很 NB 的方法，就是直接快速查看数据的统计摘要，这个方法是 describe() ，这个方法可让咱们简单的知道一个咱们不清楚内容的 DataFrame 里面具体内容，以下：

# 查看数据的统计摘要
print(df.describe())复制代码

结果以下：

A         B         C         D
count  6.000000  6.000000  6.000000  6.000000
mean   0.349414  0.187490  0.432303 -0.346153
std    0.818647  0.948383  0.663604  0.821275
min   -0.729184 -0.995325 -0.283726 -1.123577
25%   -0.316291 -0.241362  0.038070 -0.995378
50%    0.548879 -0.130700  0.189632 -0.592498
75%    1.030750  0.767826  0.907098  0.234148
max    1.141218  1.592576  1.364477  0.851630复制代码

这里的数据统计的挺全乎的，包括了数据量、均值、方差、最大值、最小值等。

小编这里邪恶的想，若是在上中学考试的时候有这玩意，就不再须要用手在草稿纸上一个一个去作重复的体力劳动了。

Pandas 还为咱们提供了一个神奇的功能，「转置数据」，就是把行列互换，示例以下：

# 转置数据
print(df.T)复制代码

结果以下：

2020-01-01  2020-01-02  2020-01-03  2020-01-04  2020-01-05  2020-01-06
A    0.177499    1.067580    1.141218    0.920260   -0.729184   -0.480888
B   -0.025693    1.592576    1.032333   -0.243247   -0.235706   -0.995325
C    0.182894   -0.010205    1.364477    0.196369    1.144007   -0.283726
D   -1.123577   -0.349342    0.851630   -0.835655   -1.048619    0.428644复制代码

是否是很神奇，不太小编以为并没有什么实际用处。

咱们在实际的应用场景中，常常会遇到排序的需求， Pandas 为咱们提供了两个方法， sort_index() 和 sort_values() 。

为了便于演示，小编这里从新构造了一个乱序的 DataFrame ，以下：

df1 = pd.DataFrame({'b' :[1,2,3,2],'a':[4,3,2,1],'c':[1,3,8,2]},index=[2,0,1,3])
print(df1)复制代码

结果以下：

b  a  c
2  1  4  1
0  2  3  3
1  3  2  8
3  2  1  2复制代码

能够看到，这个 df1 从索引和列名上看顺序都是乱序的，接下来咱们开始对这个 df1 进行排序，首先咱们先使用 sort_values() 。

sort_values()

用途：既能够根据列数据，也可根据行数据排序。

注意：必须指定by参数，即必须指定哪几行或哪几列；没法根据 index 和 columns 排序（由 sort_index() 执行）

语法：DataFrame.sortvalues(by, axis=0, ascending=True, inplace=False, kind='quicksort', naposition='last')

• axis：{0 or ‘index’, 1 or ‘columns’}, default 0，默认按照列排序，即纵向排序；若是为1，则是横向排序。
• by：str or list of str；若是axis=0，那么by="列名"；若是axis=1，那么by="行名"。
• ascending：布尔型，True则升序，若是by=['列名1','列名2']，则该参数能够是[True, False]，即第一字段升序，第二个降序。
• inplace：布尔型，是否用排序后的数据框替换现有的数据框。
• kind：排序方法，{‘quicksort’, ‘mergesort’, ‘heapsort’}, default ‘quicksort’。彷佛不用太关心。
• na_position：{‘first’, ‘last’}, default ‘last’，默认缺失值排在最后面。

按 b 列升序排序：

# 按 b 列升序排序
print(df1.sort_values(by='b'))复制代码

结果以下：

b  a  c
2  1  4  1
0  2  3  3
3  2  1  2
1  3  2  8复制代码

先按 b 列降序，再按 a 列升序排序：

# 先按 b 列降序，再按 a 列升序排序
print(df1.sort_values(by=['b','a'],axis=0,ascending=[False,True]))复制代码

结果以下：

b  a  c
1  3  2  8
3  2  1  2
0  2  3  3
2  1  4  1复制代码

按行 3 升序排列,必须指定 axis = 1 ：

# 按行 3 升序排列,必须指定 axis = 1
print(df1.sort_values(by=3,axis=1))复制代码

结果以下：

a  b  c
2  4  1  1
0  3  2  3
1  2  3  8
3  1  2  2复制代码

按行 3 升序，行 0 降排列：

# 按行 3 升序，行 0 降排列
print(df1.sort_values(by=[3,0],axis=1,ascending=[True,False]))复制代码

结果以下：

a  c  b
2  4  1  1
0  3  3  2
1  2  8  3
3  1  2  2复制代码

sort_index()

用途：默认根据行标签对全部行排序，或根据列标签对全部列排序，或根据指定某列或某几列对行排序。

注意：df.sort_index() 能够完成和 df.sort_values() 彻底相同的功能，但 python 更推荐用只用 df.sort_index() 对 index 和 columns 排序，其余排序方式用 df.sort_values() 。

语法：DataFrame.sortindex(axis=0, level=None, ascending=True, inplace=False, kind='quicksort', naposition='last', sort_remaining=True, by=None)

• axis：0 按照行名排序；1 按照列名排序。
• level：默认 None ，不然按照给定的 level 顺序排列。
• ascending：默认 True 升序排列； False 降序排列。
• inplace：默认False，不然排序以后的数据直接替换原来的数据框。
• kind：排序方法，{‘quicksort’, ‘mergesort’, ‘heapsort’}, default ‘quicksort’。彷佛不用太关心。
• na_position：缺失值默认排在最后{"first","last"}。
• by：按照某一列或几列数据进行排序，可是by参数貌似不建议使用。

默认按「行标签」升序排列：

# 默认按「行标签」升序排列
print(df1.sort_index())复制代码

结果以下：

b  a  c
0  2  3  3
1  3  2  8
2  1  4  1
3  2  1  2复制代码

按「列标签」升序排列：

# 按「列标签」升序排列
print(df1.sort_index(axis=1))复制代码

结果以下：

a  b  c
2  4  1  1
0  3  2  3
1  2  3  8
3  1  2  2复制代码

还有两个按列排序的例子：

# 先按 b 列「降序」排列，由于 b 列中有相同值，相同值再按 a 列的「升序」排列
print(df1.sort_index(by=['b','a'],ascending=[False,True]))
# 先按 a 列「降序」排列，而 a 列中没有相同值，所以这里按 b 列的「升序」排列不起做用。
print(df1.sort_index(by=['a','b'],ascending=[False,True]))复制代码

结果以下：

b  a  c
2  1  4  1
3  2  1  2
0  2  3  3
1  3  2  8
   b  a  c
2  1  4  1
0  2  3  3
1  3  2  8
3  2  1  2复制代码

虽然正常排序，可是程序运行后也出现了警告，以下：

FutureWarning: by argument to sort_index is deprecated, please use .sort_values(by=...)复制代码

这个警告的意思是不推荐咱们使用 sort_index() 使用 by 这个参数，推荐咱们使用 sort_values() 这个方法。

示例代码

老规矩，全部的示例代码都会上传至代码管理仓库 Github 和 Gitee 上，方便你们取用。

示例代码-Github

示例代码-Gitee

参考

https://www.pypandas.cn/docs/getting_started/10min.html

https://www.jianshu.com/p/f0ed06cd5003

若是个人文章对您有帮助，请扫码关注下做者的公众号：获取最新干货推送：）