Python之Series和DataFrame的数据排序

人工智能37

Series和DataFrame的数据排序

文章目录

前言

知识在于积累,聪明在于学习

系列文章

Python之Pandas(三)

环境:jupyter Notebook(Anaconda)

一、 算术运算与数据对齐

1. 创建数组obj_one

range数据取值范围为10-13,index索引的范围为3,即0-2

obj_one=pd.Series(range(10,13),index=range(3))
obj_one

Python之Series和DataFrame的数据排序

  • 创建数组obj_two
    range数据取值范围为20-25,index索引的范围为5,即0-4
obj_two=pd.Series(range(20,25),index=range(5))
obj_two

Python之Series和DataFrame的数据排序

2. 没有对齐的位置会用NaN进行补齐

obj_one+obj_two

Python之Series和DataFrame的数据排序

3. 没有对齐的位置直接加上

obj_one.add(obj_two,fill_value=0)

Python之Series和DataFrame的数据排序

二、Series排序

Series类型由一组数据及与之相关的数据索引组成

1. 创建数组ser_obj

range数据取值范围为10-15,index索引为5,3,1,3,2

import pandas as pd
ser_obj=pd.Series(range(10,15),index=[5,3,1,3,2])
ser_obj

Python之Series和DataFrame的数据排序

2. 按索引排序

ser_obj.sort_index()

Python之Series和DataFrame的数据排序

3. 按索引降序

ascending=False按索引降序

ser_obj.sort_index(ascending=False)

Python之Series和DataFrame的数据排序

三、DataFrame排序

DataFrame可以设置列名columns与行名index

对DataFrame的索引进行排序

1.创建数组df_obj

import numpy as np
import pandas as pd
df_obj=pd.DataFrame(np.arange(9).reshape(3,3),index=[4,3,5])
df_obj

Python之Series和DataFrame的数据排序

2. 按索引排序

相当于df_obj.sort_index(ascending=True)

df_obj.sort_index()

Python之Series和DataFrame的数据排序

3. 按索引降序排序

df_obj.sort_index(ascending=False)

Python之Series和DataFrame的数据排序

4. 按值排序

np.nan为NaN值

ser_obj=pd.Series([4,np.nan,6,np.nan,-3,2])
ser_obj

Python之Series和DataFrame的数据排序

5. 按values值排序

ser_obj.sort_values()

Python之Series和DataFrame的数据排序

7.按第2列索引排序

  • *创建数组df_obj
df_obj=pd.DataFrame([[0.4,-0.1,-0.3,0.0],[0.2,0.6,-0.1,-0.7],[0.8,0.6,-0.5,0.1]])
df_obj

Python之Series和DataFrame的数据排序

  • 按第2列索引排序
df_obj.sort_values(by=2)

Python之Series和DataFrame的数据排序

Python之Series和DataFrame的数据排序

Original: https://blog.csdn.net/weixin_46555054/article/details/124436644
Author: 陌小柠
Title: Python之Series和DataFrame的数据排序



相关阅读

Title: ModuleNotFoundError: No module named ‘d2l’

解决方案

问题描述:

Anaconda导入d2l库发生错误

import d2l
ModuleNotFoundError: No module named ‘d2l’

原因分析:

d2l库是李沐大神自己写的库函数,包括了一些我们常用的库和自定义函数。

解决方案:

1.下载

方式一:李沐老师动手深度学习github仓库
Python之Series和DataFrame的数据排序
方式二:百度网盘
提取码:3xgq

; 2.寻找conda外部软件包的安装位置

对于windows上的conda环境,我们可以简单地检查conda的外部软件包(或conda环境)的安装位置。

2.1打开命令行

Win+r打开"运行"对话框
输入 cmd
在命令行输入 ipython

2.2查看已安装包的路径

以numpy包为例

import numpy
numpy.__file__

Python之Series和DataFrame的数据排序

3.将d2l库移动到安装包路径下

1.找到第二步查看的安装包路径,例如我的路径就是 D:\Anaconda\Lib\site-packages
2.将d2l库移动到安装包路径下

4.其它可能遇到的问题

如果在安装pytorch时,没有安装torchversion包,或者安装的包大于0.5.0版,那么可能会出现以下错误:

ModuleNotFoundError :No module named 'tqdm'
ModuleNotFoundError :No module named 'torchtext'

解决办法

conda install "包名"

Original: https://blog.csdn.net/qq_46378251/article/details/122380964
Author: 卡拉比丘流形
Title: ModuleNotFoundError: No module named ‘d2l’

相关文章
钓鱼邮件 人工智能

钓鱼邮件

最近收到的一些 钓鱼邮件,分享一下 备案钓鱼邮件 财务部钓鱼邮件: 补贴页面有二维码 ,扫描后需要输入 银行卡账号&密码 OA邮箱升级钓鱼 这些邮件大多是,为了骗取你的账号和密码,银行卡和身份...
联邦学习代码调试 人工智能

联邦学习代码调试

联邦学习代码解读 前面一篇文章对联邦学习的代码进行了详细的解读,这篇文章主要是通过调试,更深入地了解一下联邦学习代码是如何运行的,促进后续我们对于其他和联邦学习的相关文章的阅读,以及在本代码基础之上进...
TensorFlow的学习笔记(一) 人工智能

TensorFlow的学习笔记(一)

1.TensorFlow简介 1.1 定义 TensorFlow 是一个端到端开源机器学习平台, 它允许将深度神经网络的计算部署到任意数量的 CPU 或 GPU 的服务器、PC 或移动设备上,且只利用...