Pandas 数据分析第 六 集
Python与算法社区
共 1924字，需浏览 4分钟
·
2020-12-13 08:10
三步加星标
你好，我是 zhenguo
Pandas 使用技巧最近连载 5 篇，是时候分析一下它的基本框架。Pandas 使用行索引和列标签表达和分析数据，分别对应 axis=0, axis=1，行索引、列标签带来一些便捷的功能。
如果玩Pandas，还没有注意到对齐 alignment，这个特性，那该好好看看接下来的分析。
基于行索引的对齐，与基于列标签的对齐，原理是一致的，它们其实相当于字典的 key，起到对齐数据作用。但是，这种说法抽象了些，没有例子不好想象出对齐的作用。
下面使用前几天推荐你的 9 个小而经典的数据集，里的 google app store 这个小而经典的数据集，重点分析“行对齐”功能，理解它后，列对齐也自然理解。
导入包：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
版本号：
print(pd.__version__)
print(np.__version__)
print(sns.__version__)
1.0.1
1.18.1
0.11.0
导入数据：
df = pd.read_csv('kaggle-data/googleplaystore.csv')
df.head(3)
rank = df_normal.Rating.rank(method='min',na_option='bottom',ascending=False)
rank.head(3)
method 参数指定：Rating 值相等时排名取小，na_option 指定空值排到最后，ascending 指定倒序
将上面得到的新列 rank 插入 df_normal 中：
df_normal.insert(2,'rank', rank, allow_duplicates=True)
df_normal.head(3)
因为 df_normal 和 rank 的行索引 index 都是从0 开始的自增，所以即便没有自动对齐，也是准确的：
### 根据 Reviews 次数从少到多排序
df_by_reviews = df_normal.sort_values(by='Reviews')
df_by_reviews.head(3)
得到 df_by_reviews ，注意它的 index 不是按照从0自增
此时在 df_by_reviews 中，插入 rank 还能确保数据对齐吗
### 此时插入排名 rank 列，数据会自动对其
df_by_reviews.insert(3,'rank_copy',rank)
df_by_reviews.head()
看到 rank 列 和 rank_copy 列相等，通过下面一行代码验证出来：
### 如果后者index序列中某些值没有出现在df_by_reviews的index中
### 举个例子
df_test = pd.DataFrame({'a':[1,4,7],'b':[5,2,1]},index=[4,3,1])
ser = pd.Series(index=[3,2,1],data=[0,9,8])
评论