pandas技巧之 DataFrame中的排序與匯總方法

今天是pandas數據處理專題的第六篇文章，我們來聊聊DataFrame的排序與匯總運算。

在上一篇文章當中我們主要介紹了DataFrame當中的apply方法，如何在一個DataFrame對每一行或者是每一列進行廣播運算，使得我們可以在很短的時間內處理整份數據。今天我們來聊聊如何對一個DataFrame根據我們的需要進行排序以及一些匯總運算的使用方法。

排序

排序是我們一個非常基本的需求，在pandas當中將這個需求進一步細分，細分成了根據索引排序以及根據值排序。我們先來看看Series當中的排序方法。

Series當中的排序方法有兩個，一個是sort_index，顧名思義根據Series中的索引對這些值進行排序。另一個是sort_values，根據Series中的值來排序。這兩個方法都會返回一個新的Series：

索引排序

對于DataFrame來說也是一樣，同樣有根據值排序以及根據索引排序這兩個功能。但是由于DataFrame是一個二維的數據，所以在使用上會有些不同。最簡單的差別是在于Series只有一列，我們明確的知道排序的對象，但是DataFrame不是，它當中的索引就分為兩種，分別是行索引以及列索引。所以我們在排序的時候需要指定我們想要排序的軸，也就是axis。

默認的情況我們是根據行索引進行排序，如果我們要指定根據列索引進行排序，需要傳入參數axis=1。

我們還可以傳入ascending這個參數，用來指定我們想要的排序順序是正序還是倒序。

值排序

DataFrame的值排序有所不同，我們不能對行進行排序，只能針對列。我們通過by參數傳入我們希望排序參照的列，可以是一列也可以是多列。

排名

有的時候我們希望得到元素的排名，我們會希望知道當前元素在整體當中排第幾，pandas當中也提供了這個功能，它就是rank方法。

我們可以發現我們隨手輸入的一串數字當中，包含兩個7，7是Series當中最大的數字，但是它們的排名為什么是6.5呢？

其實很簡單，因為7出現了兩次，分別是第6位和第7位，這里對它所有出現的排名取了平均，所以是6.5。如果我們不希望它取平均，而是根據出現的先后順序給出排名的話，我們可以用method參數指定我們希望的效果。

method的合法參數并不止first這一種，還有一些其他稍微冷門一些的用法，我們一并列出。

如果是DataFrame的話，默認是以行為單位，計算每一行中元素占整體的排名。我們也可以通過axis參數指定以列為單位計算：

匯總運算

最后我們來介紹一下DataFrame當中的匯總運算，匯總運算也就是聚合運算，比如我們最常見的sum方法，對一批數據進行聚合求和。DataFrame當中同樣有類似的方法，我們一個一個來看。

首先是sum，我們可以使用sum來對DataFrame進行求和，如果不傳任何參數，默認是對每一行進行求和。

除了sum之外，另一個常用的就是mean，可以針對一行或者是一列求平均。

由于DataFrame當中常常會有為NA的元素，所以我們可以通過skipna這個參數排除掉缺失值之后再計算平均值。

另一個我個人覺得很好用的方法是descirbe，可以返回DataFrame當中的整體信息。比如每一列的均值、樣本數量、標準差、最小值、最大值等等。是一個常用的統計方法，可以用來了解DataFrame當中數據的分布情況。

除了介紹的這些方法之外，DataFrame當中還有很多類似的匯總運算方法，比如idxmax，idxmin，var，std等等，大家感興趣可以去查閱相關文檔，但是根據我的經驗一般用不到。