Pandas 数据排序与聚合
数据排序与聚合是数据分析中非常常见且重要的操作，特别是在大数据集中的数据分析时。
排序帮助我们按特定标准对数据进行排列，而聚合则让我们对数据进行汇总，计算出各种统计量。
Pandas 提供了强大的排序和聚合功能，能够帮助分析人员高效地处理数据。
| 操作 | 方法 | 说明 | 常用函数/方法 |
|---|---|---|---|
| 排序 |
sort_values(by, ascending)
|
根据某列的值进行排序，
ascending
控制升降序
|
df.sort_values(by='column')
|
| 排序 |
sort_index(axis)
|
根据行或列的索引进行排序 |
df.sort_index(axis=0)
|
| 分组聚合 |
groupby(by)
|
按照某列进行分组后，应用聚合函数 |
df.groupby('column')
|
| 聚合函数 |
agg()
|
聚合函数，如
sum()
、
mean()
、
count()
等
|
df.groupby('column').agg({'value': 'sum'})
|
| 多重聚合 |
agg([func1, func2])
|
对同一列应用多个聚合函数 |
df.groupby('column').agg({'value': ['mean', 'sum']})
|
| 分组后排序 |
apply(lambda x: x.sort_values(...))
|
在分组后进行排序 |
df.groupby('column').apply(lambda x: x.sort_values(...))
|
| 透视表 |
pivot_table()
|
创建透视表，根据行、列进行数据汇总 |
一、数据排序（Sorting）
排序
是指将数据按某个列的值进行升序或降序排列。Pandas 提供了两种主要的方法来进行排序：
sort_values()
和
sort_index()
。
排序方法
-
sort_values()：根据列的值进行排序。 -
sort_index()：根据行或列的索引进行排序。
实例
| 操作 | 方法 | 说明 | 示例 |
|---|---|---|---|
| 按值排序 |
df.sort_values(by, ascending)
|
按照指定的列（
by
）排序，
ascending
控制升序或降序，默认为升序
|
df.sort_values(by='Age', ascending=False)
|
| 按索引排序 |
df.sort_index(axis)
|
按照行或列的索引排序，
axis
控制按行或列排序
|
df.sort_index(axis=0)
|
sort_values()
示例:
importpandasaspd# 示例数据data={'Name':['Alice','Bob','Charlie','David'],'Age':[25,30,35,40],'Salary':[50000,60000,70000,80000]}df=pd.DataFrame(data)# 按照 "Age" 列的值进行降序排序df_sorted=df.sort_values(by='Age',ascending=False)print(df_sorted)输出：
Name Age Salary 3 David 40 80000 2 Charlie 35 70000 1 Bob 30 60000 0 Alice 25 50000
sort_index()
示例
:
# 按照行索引进行排序df_sorted_by_index=df.sort_index(axis=0)print(df_sorted_by_index)输出：
Name Age Salary
0 Alice 25 50000
1 Bob 30 60000
2 Charlie 35 70000
3 David 40 80000
二、数据聚合（Aggregation）
聚合
是将数据按某些规则进行汇总，通常是对某些列的数据进行求和、求平均数、求最大值、求最小值等操作。Pandas 提供了
groupby()
方法来对数据进行分组，然后应用不同的聚合函数。
聚合方法
-
groupby()：按某些列分组。 -
聚合函数：如
sum(),mean(),count(),min(),max(),std()等。
实例
| 操作 | 方法 | 说明 | 示例 |
|---|---|---|---|
| 按列分组并聚合 |
df.groupby(by).agg()
|
按指定列（
by
）进行分组，
agg()
可以传入不同的聚合函数，进行多种操作
|
df.groupby('Department').agg({'Salary': 'mean'})
|
| 多重聚合函数应用 |
df.groupby(by).agg([func1, func2])
|
可以对同一列应用多个聚合函数，返回多种聚合结果 |
df.groupby('Department').agg({'Salary': ['mean', 'sum']})
|
groupby()
示例
:
importpandasaspd# 示例数据data={'Department':['HR','Finance','HR','IT','IT'],'Employee':['Alice','Bob','Charlie','David','Eve'],'Salary':[50000,60000,55000,70000,75000]}df=pd.DataFrame(data)# 按照部门分组，并计算每个部门的平均薪资grouped=df.groupby('Department')['Salary'].mean()print(grouped)输出：
Department Finance 60000.0 HR 52500.0 IT 72500.0 Name: Salary, dtype: float64
多重聚合函数应用 :
# 按照部门分组，并计算每个部门的薪资的平均值和总和grouped_multiple=df.groupby('Department').agg({'Salary':['mean','sum']})print(grouped_multiple)输出：
Salary
mean sum
Department
Finance 60000.0 60000
HR 52500.0 105000
IT 72500.0 145000
三、分组后的排序
聚合后的数据可以进一步按某列的值进行排序，这样可以找出特定组中最重要的值。
分组后排序
| 操作 | 方法 | 说明 | 示例 |
|---|---|---|---|
| 分组后排序 |
df.groupby(by).apply(lambda x: x.sort_values(by='col'))
|
在每个分组内部按照某列的值进行排序。 |
df.groupby('Department').apply(lambda x: x.sort_values(by='Salary', ascending=False))
|
分组后排序示例 :
# 按照部门分组后，按薪资降序排序grouped_sorted=df.groupby('Department').apply(lambdax: x.sort_values(by='Salary',ascending=False))print(grouped_sorted)输出：
Department Employee Salary Department Finance Bob 60000 HR Charlie 55000 HR Alice 50000 IT Eve 75000 IT David 70000
四、透视表
透视表（Pivot Table）是一个特殊的聚合方式，可以让我们通过行、列和聚合函数对数据进行快速汇总，类似于 Excel 中的透视表。
实例
| 操作 | 方法 | 说明 | 示例 |
|---|---|---|---|
| 创建透视表 |
df.pivot_table(values, index, columns, aggfunc)
|
用指定的列进行行、列分类汇总，
values
是需要聚合的值，
aggfunc
是聚合函数
|
df.pivot_table(values='Salary', index='Department', aggfunc='mean')
|
透视表示例 ：
# 使用 pivot_table 计算每个部门的薪资平均值pivot_table=df.pivot_table(values='Salary',index='Department',aggfunc='mean')print(pivot_table)输出：
Department Finance 60000.0 HR 52500.0 IT 72500.0 Name: Salary, dtype: float64