pandas的排序、分组groupby及cumsum累计求和方式

pandas的排序、分组及累计求和方式

排序

pandas可以使用sort_values()方法实现数据帧（DataFrame）和系列（Series）的排序。该方法的默认行为是按升序排序，可以通过参数ascending来设置降序排序。

示例：

import pandas as pd

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'age': [25, 17, 30, 42]
})

# 按年龄升序排序
df = df.sort_values(by='age')
print(df)

# 按年龄降序排序
df = df.sort_values(by='age', ascending=False)
print(df)

输出结果：

      name  age
1      Bob   17
0    Alice   25
2  Charlie   30
3    David   42

      name  age
3    David   42
2  Charlie   30
0    Alice   25
1      Bob   17

分组

pandas可以使用groupby()方法实现数据分组。该方法将数据按照指定列的值进行分组，并返回每组数据的统计结果。

示例：

import pandas as pd

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Ella', 'Frank'],
    'gender': ['F', 'M', 'M', 'M', 'F', 'M'],
    'age': [25, 17, 30, 42, 22, 38]
})

# 按性别分组，并计算每组平均年龄、最大年龄、最小年龄、总人数
grouped = df.groupby(by='gender').agg({
    'age': ['mean', 'max', 'min', 'count']
})

print(grouped)

输出结果：

              age            
             mean max min count
gender                         
F       23.500000  25  22     2
M       29.166667  42  17     4

累计求和

pandas可以使用cumsum()方法实现累计求和。该方法可以将数据帧（DataFrame）和系列（Series）的每个元素和前面的元素相加求和，返回一个包含所有元素的序列。

示例：

import pandas as pd

s = pd.Series([1, 2, 3, 4, 5])

# 对系列进行累计求和
cumsum_s = s.cumsum()

print(cumsum_s)

输出结果：

0     1
1     3
2     6
3    10
4    15
dtype: int64

总结：

本文介绍了pandas的排序、分组及累计求和方式，可以用于数据分析中的结果生成和处理。sort_values()方法可以按指定的列进行排序，并可以设置升序和降序。groupby()方法可以按指定的列进行分组，返回每组数据的统计结果。cumsum()方法可以对数据帧或系列进行累计求和操作。