小红书达人带你学习DataFrame的排序

　　现在直播带货太火了，宋宋最近也在小红书上败家了好几单，身为程序员的宋宋有点不甘心。拿到了一份小红书直播带货榜数据分析下，看一看小红书的卖货实力和用户分析？本案例主要针对DataFrame的排序知识点的讲解。

　　### 数据排序

　　在数据分析的使用过程中，数据排序是必不可少的。当然DataFrame就给我提供了一个非常方便的对数据排序的方法，那就是：

　　sort_index和sort_values方法。在我们讲解DataFrame的排序之前，回顾下Series的排序。

　　Series排序有两种：一个是sort_index，顾名思义根据Series中的索引对这些值进行排序。另一个是sort_values，根据Series中的值来排序。这两个方法都会返回一个新的Series。使用Series的排序可以对DataFrame中的某一列进行排序。比如：按照年龄排序

　　```

　　df['age'].sort_values() # 获取age列，并进行排序

　　```

　　#### 索引排序

　　对于DataFrame来说也是一样，同样有根据值排序以及根据索引排序这两个功能。但是由于DataFrame是一个二维的数据，所以在使用上会有些不同。最主要的差别是在于Series只有一列，我们明确的知道排序的对象，但是DataFrame不是，它当中的索引就分为两种，分别是行索引以及列索引。所以我们在排序的时候**需要指定我们想要排序的轴**，也就是axis。

　　```

　　df.sort_index(axis=0,ascending=False)

　　# 其中ascending是用来指定排序的升降序的，默认是升序，如果是降序排列可以使用ascending=False

　　```　　

　　#### 值排序

　　DataFrame的值排序有所不同，我们不能对行进行排序，**只能针对列**。我们通过by参数传入我们希望排序参照的列，可以是一列也可以是多列。比如：需要按照用户下单的金额排序，升序排列

　　```

　　df.sort_values(by='revenue') # 通过by参数指定排序的列名

　　```

　　结果：　　

　　或者是按照用户下单金额和消费的总金额排序，

　　```

　　# 如果排序的列名是多个，则可以使用列表将多个列名放于列表中

　　df.sort_values(by=['revenue','accumulation'])

　　```

　　结果：　　

　　以上排序是默认的升序，如果需要获取用户下单金额最高的则需要，则需要降序排列查看。

　　```

　　df.sort_values(by=['revenue','accumulation'],asccending=False)

　　```　

　　当然还可以在sort_values方法中指定，inplace=True 保留排序结果在原数据中，默认是False。也可以指定按照哪个轴排序使用axis，

　　也可以指定排序的方式是：快速排序、合并排序、堆排序使用kind参数，默认是快速排序。(以下分别是合并排序和快排)　　

　　### 数据汇总

　　DataFrame中的汇总运算也就是**聚合运算**，比如我们最常见的sum方法，对一批数据进行聚合求和。还有mean方法，对数据进行均值运算等等。

　　> max([axis=1|0])

　　>

　　> min([axis=1|0])

　　>

　　> sum([axis=1|0])

　　>

　　> mean([axis=1|0])

　　>

　　> count([axis=1|0])

　　>

　　> ....

　　我们可以使用sum来对DataFrame的行或者列进行求和，如果不传任何参数，默认是对每一行进行求和，如果需要按照列求和则设置axis=1。比如求过往第三方购买的数量的总和

　　```python

　　df['3rd'].sum()

　　```

　　结果：

　　> ```

　　> 67329

　　> ```

　　当然我们也可以获取用户的购买金额revenue的均值

　　```

　　df['revenue'].mean() # 默认axis=0

　　```

　　结果：

　　> ```

　　> 398.2981660045499

　　> ```

　　获取用户注册6个月内的个数

　　```

　　df.loc[df['lifecycle']=='A','lifecycle'].count()

　　```

　　结果：

　　> ```

　　> 3541

　　> ```

　　获取消费总额最大的金额

　　```

　　df['accumulation'].max()

　　```

　　结果：

　　> ```

　　> 11597.9

　　> ```

　　由于DataFrame当中常常会有为NA的元素，所以我们可以通过skipna这个参数排除掉缺失值之后再计算平均值。另外还有一个很好用的方法是descirbe，可以返回DataFrame当中的**整体信息**。比如每一列的均值、样本数量、标准差、最小值、最大值等等。是一个常用的统计方法，可以用来了解DataFrame当中数据的分布情况。

　　```

　　df.describe()

　　```

　　结果：　　

　　其中std是求标准差，50%求中位数，var()求方差等...

　　当然我们也可以同时获取用户的购买金额revenue的均值和消费总额最大的金额，此时我们需要使用agg方法完成。

　　```

　　df.agg({'revenue':np.mean,'accumulation':np.max}) # 参数是一个字典，key为列名，value为要进行的聚合运算

　　```

　　结果：　　

　　当然更多情况下，agg方法往往是结合分组groupby使用。也不是绝对的，根据实际的情况吧!

　　更多关于Python 培训的问题，欢迎咨询千锋教育在线名师。千锋教育拥有多年IT培训服务经验，采用全程面授高品质、高体验培养模式，拥有国内一体化教学管理及学员服务，助力更多学员实现高薪梦想。

　　注：本文部分文字和图片来源于网络，如有侵权，请联系删除。版权归原作者所有!