前言

本篇文章主要介绍了Python数据分析Pandas Dataframe排序与去重操作:
1、DataFrame 的排序分为两种,一种是对索引进行排序,另一种是对值进行排序;
2、DataFrame 的去重主要针对单列或多列中的完全重复的项进行处理


一、Dataframe排序

1. 索引的排序

DataFrame 提供了sort_index()方法来进行索引的排序,主要考虑以下几个可选输入项:

  • axis参数:指定对行索引排序还是对列索引排序,默认为0,表示对行索引排序,设置为1表示对列索引
  • ascending参数:指定升序还是降序,默认为True表示升序,设置为False表示降序
  • inplace参数:表示是否返回副本,默认为False表示返回副本,设置为True表示在原数据上修改

使用方法:

	df = pd.DataFrame(data)
	df.sort_index(axis=0, ascending=False, inplace=True)

2. 值的排序

DataFrame 提供了sort_values()方法来进行值的排序,相比sort_index()方法,它多了一个by参数,其他参数与sort_index()方法:

  • by参数:接收字符串或者列表,来指定要排序的行或者列名
  • ascending参数:若by参数指示的为列表,此处也需要按照列表填写排序方向
  • ignore_index参数:指示是否重新生成行索引,默认为False表示不生成,此时会导致index乱序,设置为True表示重新按照0,1 ,2…生成index

使用方法:

	df = pd.DataFrame(data)
	df.sort_values(by=['age', 'gender'], ascending=[False, True], inplace=True, ignore_index=True)

二、Dataframe去重

Dataframe的去重使用的方法为drop_duplicates(),此方法可以快速的实现对全部数据、部分数据的去重操作。
主要包含以下几个参数:

  • subset参数:设置识别重复项的列名或列名序列,对某些列来识别重复项,默认情况下使用所有列,即识别完全相同的内容,若设置,则仅识别对应的列;

  • keep参数:可选值有first,last,False,默认为first,确定要保留哪些重复项

    1. first:删除除第一次出现的重复项,即保留第一次出现的重复项
    2. last:保留最后一次出现的重复项
    3. False:删除所有重复项
  • inplace参数:表示是否返回副本,默认为False表示返回副本,设置为True表示在原数据上修改

  • ignore_index参数:指示是否重新生成行索引,默认为False表示不生成,此时会导致index乱序,设置为True表示重新按照0,1 ,2…生成index

使用方法:

	df = pd.DataFrame(data)
	df.drop_duplicates(subset=None, keep=‘first’, inplace=False, ignore_index=False)

Logo

为开发者提供学习成长、分享交流、生态实践、资源工具等服务,帮助开发者快速成长。

更多推荐