Pandas实现DataFrame的简单运算、统计与排序

Pandas是一种综合性的数据分析工具，其主要的数据结构是Series和DataFrame。DataFrame是一种类似于Excel表格的数据结构，可以简单地进行运算、统计和排序，因此被广泛地使用。在下文中，我们将讲解如何使用Pandas实现DataFrame的简单运算、统计与排序。

创建DataFrame

首先，我们需要创建一个DataFrame对象。我们可以从Python的列表、字典、Numpy数组等对象中创建一个DataFrame。

import pandas as pd

df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})

上面的代码中，我们使用字典创建一个DataFrame对象，该对象包含两列数据：A和B。

简单的DataFrame运算

在DataFrame对象上执行简单的运算操作非常容易。例如，我们可以将列A和列B相加，并将结果赋值给列C。

df["C"] = df["A"] + df["B"]

上面的代码中，我们创建了一个新列C，并将列A和列B相加的结果赋值给了该列。

DataFrame的统计

Pandas提供了很多用于统计DataFrame的方法。下面是一些常用的方法：

• describe()方法会对DataFrame各列的数据进行统计，并返回一些统计信息，包括平均值、标准差、最大值、最小值等等。

# 对DataFrame各列的数据进行统计，并返回一些统计信息
df.describe()

• min()方法会对DataFrame各列的数据进行最小值统计，并返回一个包含各列最小值的Series对象。

# 对DataFrame各列的数据进行最小值统计，并返回一个包含各列最小值的Series对象
df.min()

• max()方法会对DataFrame各列的数据进行最大值统计，并返回一个包含各列最大值的Series对象。

# 对DataFrame各列的数据进行最大值统计，并返回一个包含各列最大值的Series对象
df.max()

上面三个方法中的每一个都会返回一个Series对象，并且这些对象都包含了原DataFrame的各列数据的统计信息。

DataFrame的排序

数据排序是一个常见的需求，Pandas也提供了丰富而易用的排序功能。下面是一些常用的排序方法：

• sort_values()方法会将DataFrame按照指定列的值进行排序，并返回排序后的结果。默认情况下，sort_values()方法会将DataFrame按照列的升序进行排序。

# 将DataFrame按照列A的值进行升序排序
df.sort_values("A")

• sort_index()方法会将DataFrame按照行索引进行排序，这在需要重新排列行索引以提高数据处理效率的情况下非常有用。

# 将DataFrame按照行索引进行升序排序
df.sort_index()

这两个方法都会返回排序后的DataFrame对象。

示例说明

接下来，我们将通过两个示例说明如何使用Pandas实现DataFrame的简单运算、统计与排序。

示例一：电影票房数据分析

电影票房数据是一个常见的数据分析案例。使用Pandas可以非常方便地处理这种类型的数据。

假设我们有一个包含电影票房数据的DataFrame对象，其中包含两列数据：电影名称和票房收入。

import pandas as pd

movies = pd.DataFrame({"Movie name": ["The Shawshank Redemption", "The Godfather", "The Dark Knight", "The Godfather: Part II", "12 Angry Men"], "Box office": [283.4, 245.1, 237.5, 190.2, 4.4]})

现在，我们想要对这个DataFrame进行一些简单的操作，例如，将票房收入转换成以亿为单位的数字，并按照票房收入的降序进行排序。

# 将票房收入转换成以亿为单位的数字
movies["Box office"] = movies["Box office"] / 100

# 按照票房收入的降序进行排序
movies.sort_values("Box office", ascending=False)

上述代码会将票房收入转换成以亿为单位的数字，并将结果按照票房收入的降序进行排序。

示例二：学生考试成绩分析

学生成绩数据是另一个常见的数据分析案例。我们可以使用Pandas对学生成绩数据进行统计，例如，计算平均分、最高分、最低分等指标。

假设我们有一个包含学生数学和英语成绩的DataFrame对象。

import pandas as pd

scores = pd.DataFrame({"Student ID": [1, 2, 3, 4, 5], "Math score": [80, 75, 90, 85, 70], "English score": [75, 80, 70, 90, 85]})

现在，我们想要计算每个学生的平均分，并按照平均分的降序进行排序。

# 计算每个学生的平均分
scores["Average score"] = (scores["Math score"] + scores["English score"]) / 2

# 按照平均分的降序进行排序
scores.sort_values("Average score", ascending=False)

上述代码会计算每个学生的平均分，并按照平均分的降序进行排序。

通过上述两个示例，我们可以看到Pandas实现DataFrame的简单运算、统计与排序非常简单、高效。在实际数据分析的过程中，我们可以使用Pandas处理各种类型的数据并进行相应的运算和统计。