在家為國家做貢獻太無聊，不如跟我一起學點 Python
人生苦短，我用 Python
前文傳送門：
小白學 Python 數據分析（2）：Pandas （一）概述
小白學 Python 數據分析（3）：Pandas （二）數據結構 Series
小白學 Python 數據分析（4）：Pandas （三）數據結構 DataFrame
引言
最近這個系列有段時間沒更新，理由也就不找了，總結就一點，懶！懶得學習！
我就是這么一個能勇於發現並且承認錯誤的人。
不過從這篇開始，我又恢復更新了，手動滑稽一下：）
接下來小編要分享一些 Pandas 的基礎操作，可能會有些無聊，不過還是希望有興趣的同學能對照着代碼自己動手敲一下。
閑話不多聊，下面開始正題。
查看數據
前面的兩篇內容中，我們介紹了 Pandas 的兩種數據結構，本篇的內容將主要介紹一些有關於 DataFrame 的查找操作，畢竟 DataFrame 是一個二維類似於表一樣的數據結構，我們平時會更多的使用 DataFrame 。
首先第一部還是導入 Pandas 與 NumPy ，並且要生成一個 DataFrame ，這里小編就簡單的使用隨機數的形式進行生成，代碼如下：
import numpy as np
import pandas as pd
dates = pd.date_range('20200101', periods=6)
df = pd.DataFrame(np.random.randn(6, 4), index=dates, columns=list('ABCD'))
print(df)
這里最后我們打印了一下這個生成的 DataFrame ，結果如下：
A B C D
2020-01-01 0.177499 -0.025693 0.182894 -1.123577
2020-01-02 1.067580 1.592576 -0.010205 -0.349342
2020-01-03 1.141218 1.032333 1.364477 0.851630
2020-01-04 0.920260 -0.243247 0.196369 -0.835655
2020-01-05 -0.729184 -0.235706 1.144007 -1.048619
2020-01-06 -0.480888 -0.995325 -0.283726 0.428644
以上我們的准備工作就完成了，已經構建了一個隨機產生的 DataFrame ，接下來我們看一些簡單的取值操作。
首先第一個是從頭部開始取值，這里使用到的方法是 head() ，比如現在需要取出上面這個 df 中第一行的數據，那我們可以這么寫：
# 查看頭部數據
print(df.head(1))
結果如下：
A B C D
2020-01-01 0.177499 -0.025693 0.182894 -1.123577
既然有從頭部取數那么一定會有從尾部取數，這個方法是 tail() ，用法和上面的一樣，這里我們從尾部取出兩行的數據，如下：
# 查看尾部數據
print(df.tail(2))
結果如下：
A B C D
2020-01-05 -0.729184 -0.235706 1.144007 -1.048619
2020-01-06 -0.480888 -0.995325 -0.283726 0.428644
對照看之前的 df ，可以看到計算機成功完成了我們的目標。
接下來，我們獲取這個 df 的索引，這里可以用到的方法是 index ，如下：
# 獲取索引
print(df.index)
結果如下：
DatetimeIndex(['2020-01-01', '2020-01-02', '2020-01-03', '2020-01-04',
'2020-01-05', '2020-01-06'],
dtype='datetime64[ns]', freq='D')
能獲取索引那么就一定能獲取所有的列名，這個方法大家可能都猜到了，就是 columns ，沒毛病， Pandas 的命名還是很友好的，直接就是英文翻譯，多的我這里就不吐槽了，命名不規范的代碼經常性的會造成他人的誤解，所以建議各位盡量命名規范一點：
# 獲取列名
print(df.columns)
結果如下：
Index(['A', 'B', 'C', 'D'], dtype='object')
這里 Pandas 還為我們提供了一個很 NB 的方法，就是直接快速查看數據的統計摘要，這個方法是 describe() ，這個方法可以讓我們簡單的知道一個我們不清楚內容的 DataFrame 里面具體內容，如下：
# 查看數據的統計摘要
print(df.describe())
結果如下：
A B C D
count 6.000000 6.000000 6.000000 6.000000
mean 0.349414 0.187490 0.432303 -0.346153
std 0.818647 0.948383 0.663604 0.821275
min -0.729184 -0.995325 -0.283726 -1.123577
25% -0.316291 -0.241362 0.038070 -0.995378
50% 0.548879 -0.130700 0.189632 -0.592498
75% 1.030750 0.767826 0.907098 0.234148
max 1.141218 1.592576 1.364477 0.851630
這里的數據統計的挺全乎的，包括了數據量、均值、方差、最大值、最小值等。
小編這里邪惡的想，如果在上中學考試的時候有這玩意，就再也不需要用手在草稿紙上一個一個去做重復的體力勞動了。
Pandas 還為我們提供了一個神奇的功能，「轉置數據」，就是把行列互換，示例如下：
# 轉置數據
print(df.T)
結果如下：
2020-01-01 2020-01-02 2020-01-03 2020-01-04 2020-01-05 2020-01-06
A 0.177499 1.067580 1.141218 0.920260 -0.729184 -0.480888
B -0.025693 1.592576 1.032333 -0.243247 -0.235706 -0.995325
C 0.182894 -0.010205 1.364477 0.196369 1.144007 -0.283726
D -1.123577 -0.349342 0.851630 -0.835655 -1.048619 0.428644
是不是很神奇，不過小編覺得並無什么實際用處。
我們在實際的應用場景中，經常會遇到排序的需求， Pandas 為我們提供了兩個方法， sort_index() 和 sort_values() 。
為了便於演示，小編這里重新構造了一個亂序的 DataFrame ，如下：
df1 = pd.DataFrame({'b' :[1,2,3,2],'a':[4,3,2,1],'c':[1,3,8,2]},index=[2,0,1,3])
print(df1)
結果如下：
b a c
2 1 4 1
0 2 3 3
1 3 2 8
3 2 1 2
可以看到，這個 df1 從索引和列名上看順序都是亂序的，接下來我們開始對這個 df1 進行排序，首先我們先使用 sort_values() 。
sort_values()
用途：既可以根據列數據，也可根據行數據排序。
注意：必須指定by參數，即必須指定哪幾行或哪幾列；無法根據 index 和 columns 排序（由 sort_index() 執行）
語法：DataFrame.sort_values(by, axis=0, ascending=True, inplace=False, kind='quicksort', na_position='last')
- axis：{0 or ‘index’, 1 or ‘columns’}, default 0，默認按照列排序，即縱向排序；如果為1，則是橫向排序。
- by：str or list of str；如果axis=0，那么by="列名"；如果axis=1，那么by="行名"。
- ascending：布爾型，True則升序，如果by=['列名1','列名2']，則該參數可以是[True, False]，即第一字段升序，第二個降序。
- inplace：布爾型，是否用排序后的數據框替換現有的數據框。
- kind：排序方法，{‘quicksort’, ‘mergesort’, ‘heapsort’}, default ‘quicksort’。似乎不用太關心。
- na_position：{‘first’, ‘last’}, default ‘last’，默認缺失值排在最后面。
按 b 列升序排序：
# 按 b 列升序排序
print(df1.sort_values(by='b'))
結果如下：
b a c
2 1 4 1
0 2 3 3
3 2 1 2
1 3 2 8
先按 b 列降序，再按 a 列升序排序：
# 先按 b 列降序，再按 a 列升序排序
print(df1.sort_values(by=['b','a'],axis=0,ascending=[False,True]))
結果如下：
b a c
1 3 2 8
3 2 1 2
0 2 3 3
2 1 4 1
按行 3 升序排列,必須指定 axis = 1 ：
# 按行 3 升序排列,必須指定 axis = 1
print(df1.sort_values(by=3,axis=1))
結果如下：
a b c
2 4 1 1
0 3 2 3
1 2 3 8
3 1 2 2
按行 3 升序，行 0 降排列：
# 按行 3 升序，行 0 降排列
print(df1.sort_values(by=[3,0],axis=1,ascending=[True,False]))
結果如下：
a c b
2 4 1 1
0 3 3 2
1 2 8 3
3 1 2 2
sort_index()
用途：默認根據行標簽對所有行排序，或根據列標簽對所有列排序，或根據指定某列或某幾列對行排序。
注意：df.sort_index() 可以完成和 df.sort_values() 完全相同的功能，但 python 更推薦用只用 df.sort_index() 對 index 和 columns 排序，其他排序方式用 df.sort_values() 。
語法：DataFrame.sort_index(axis=0, level=None, ascending=True, inplace=False, kind='quicksort', na_position='last', sort_remaining=True, by=None)
- axis：0 按照行名排序；1 按照列名排序。
- level：默認 None ，否則按照給定的 level 順序排列。
- ascending：默認 True 升序排列； False 降序排列。
- inplace：默認False，否則排序之后的數據直接替換原來的數據框。
- kind：排序方法，{‘quicksort’, ‘mergesort’, ‘heapsort’}, default ‘quicksort’。似乎不用太關心。
- na_position：缺失值默認排在最后{"first","last"}。
- by：按照某一列或幾列數據進行排序，但是by參數貌似不建議使用。
默認按「行標簽」升序排列：
# 默認按「行標簽」升序排列
print(df1.sort_index())
結果如下：
b a c
0 2 3 3
1 3 2 8
2 1 4 1
3 2 1 2
按「列標簽」升序排列：
# 按「列標簽」升序排列
print(df1.sort_index(axis=1))
結果如下：
a b c
2 4 1 1
0 3 2 3
1 2 3 8
3 1 2 2
還有兩個按列排序的例子：
# 先按 b 列「降序」排列，因為 b 列中有相同值，相同值再按 a 列的「升序」排列
print(df1.sort_index(by=['b','a'],ascending=[False,True]))
# 先按 a 列「降序」排列，而 a 列中沒有相同值，因此這里按 b 列的「升序」排列不起作用。
print(df1.sort_index(by=['a','b'],ascending=[False,True]))
結果如下：
b a c
2 1 4 1
3 2 1 2
0 2 3 3
1 3 2 8
b a c
2 1 4 1
0 2 3 3
1 3 2 8
3 2 1 2
雖然正常排序，但是程序運行后也出現了警告，如下：
FutureWarning: by argument to sort_index is deprecated, please use .sort_values(by=...)
這個警告的意思是不推薦我們使用 sort_index() 使用 by 這個參數，推薦我們使用 sort_values() 這個方法。
示例代碼
老規矩，所有的示例代碼都會上傳至代碼管理倉庫 Github 和 Gitee 上，方便大家取用。