Pandas的基礎操作：排序／設置行索引

剛剛使用Python進行數據分析，分享一些概念和想法，希望可以大家一起討論，如果理解或者表達有不準確的地方，請多多指點，不吝賜教，非常感謝～～

本文將介紹Pandas操作的最後一個部分，前兩篇分別是：
《Pandas的基礎操作：介紹／創建／查看數據／賦值》：https://blog.csdn.net/weixin_42969619/article/details/96863875
《Pandas的基礎操作：合併數據.merge()函數的使用》：https://blog.csdn.net/weixin_42969619/article/details/97132359

---

8. 排序：

（1）索引排序：data.sort_index()

應用場景：在使用sklean的時候，會將原數據隨機抽取一部分作爲“訓練集”，這是隨機抽取的結果就會打亂原數據的索引，當不需要改變索引，但是需要從新排序時

參數說明：
a. 參數axis：默認值爲0表示按行索引排序；axis=1時表示按列索引排序
b. 參數by：指定列名，默認值爲空
c. 參數ascending：默認值爲True表示正序；ascending=False時表示倒序
d. 參數inpalce：是否用排序後的數據集替換原來的數據，默認爲False，即不替換

以下列數據爲例：

data = pd.DataFrame({'A': ['food','fruit','food','fruit',
                         'food','water','food','fruit'],
                   'D': ['one','one','two','three',
                         'two','two','one','three'],
                   'C': np.random.randint(5,size=8),
                   'B': np.random.randn(8)})                  

• axis=1時，按照列索引的大小排序，且ascending=True／inpalce=False

data.sort_index(axis=1) 

其中axis=0默認的情況即爲原始數據；沒有指定index所以系統自動生成從小到大的行索引
排序之後，重新打印data顯示原始數據，因爲參數inplace=False

• 按照"D"和"C"列進行排序，且ascending=True／inpalce=False

data.sort_index(by="D")
data.sort_index(by=["D","C"])

需要注意的是：
a. 只對"D"排序的時候，按照字母順序：one>three>two
b. 對"D"和"C"一起排序的時候，是先排"D"列，如果"D"列中有重複值時，纔會根據"C"列內容排序
c. 排序之後，重新打印data顯示原始數據，因爲參數inplace=False

• 按照列索引的大小排序即axis=1，但ascending=False且inpalce=True

data.sort_index(axis=1,ascending=False,inplace=True)
data

此時由於參數inpalce=True，所以修改的原數據，從新打印data時，是被操作過的數據

（2）按照某列的值進行排序：data.sort_values(by="X")

參數說明：
a. 參數by：指定列名，必填參數
b. 參數axis：默認值爲0表示按行索引排序；axis=1時表示按列索引排序
c. 參數ascending：默認值爲True表示正序；ascending=False時表示倒序
d. 參數inpalce：是否用排序後的數據集替換原來的數據，默認爲False，即不替換
e. 參數na_position：設定缺失值的顯示位置，可以選擇‘first’或‘last’

以上面數據data爲例，但是重新對其附一些空值

# 對5行0列的數字附空值；對“B”列中1，2行兩個值附空值
data.iat[5,0]=np.nan
data.loc[df.index[1:3],"B"]=np.nan
data

• 按列"A"和"C"列進行排序，並設置na_position=“last”

data.sort_values(by=["A","C"],na_position="last")

9. 設定索引：

（1）將數據中的列作爲行索引：

data.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False)

參數說明：

a. 設置索引的參數是keys
b. append添加新索引
c. drop爲False時，成功設置了index，同時列數據中仍然保存着index字段
d. inplace爲True時，修改了原始數據

使用原始的data數據作爲例子：

• 將"A"和"D"列作爲行索引

# 對比設置index順序不同的結果
df.set_index(keys=['A', 'D'])
df.set_index(keys=['D','A'])

可以看出來，雖然後者的操作後，看上去好像將"D"中重複的數據而"A"中不重複的數據進行堆疊，形成看似有“層級”關係的狀態；
但實際上仍然是在臨近數據有相同值時省略表示而已。
如果需要“層級”的表現，需要對數據進行更復雜操作

（2）還原索引：

應用場景：在使用contact等合併數據之後，index可能發生重複；或者在進行排序，刪除等操作時，index會發生順序混亂。這些不是我們希望的那樣，所以，除了對行索引排序以外，還可能需要對行索引進行重新設置

data.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill=”)

由於上面數據沒有辦法很好顯示出來“層級”的關係，所以重新創建數據，並以其作爲例子：

index = pd.MultiIndex.from_product([['TX', 'FL', 'CA'], ['North', 'South']], 
                                   names=['State', 'Direction'])
data1 = pd.DataFrame(index=index, data=np.random.randint(0, 10, (6,4)), columns=list('abcd'))

• 沒有傳入任何參數，即drop=False時，默認是將全部級別的行索引都轉爲列數據，並使用一個RangeInddex來作爲新索引。

data1.reset_index()

效果等同於 data1.reset_index(level=[‘State’,’Direction’])

• 使用level參數可以選擇指定的行索引

data1.reset_index(level=1) 
# or 
data1.reset_index(level=‘Direction’)