一、排序和排名
排序分兩種：根據索引排序和根據元素值排序。
根據索引排序使用的是sort_index方法，它返回一個新的排好序的對象：
In [103]: s = pd.Series(range(4),index = list('dabc')) In [104]: s Out[104]: d 0 a 1 b 2 c 3 dtype: int64 In [105]: s.sort_index() # 根據索引的字母序列排序
Out[105]: a 1 b 2 c 3 d 0 dtype: int64 In [108]: df = pd.DataFrame(np.random.randint(10,size=(4,3)), columns=list('edb'),index = ['two','one','five','four']) In [109]: df Out[109]: e d b two 7 6 1 one 5 6 8 five 8 4 1 four 7 0 3 In [110]: df.sort_index() # 默認按行索引排序，並以字母順序
Out[110]: e d b five 8 4 1 four 7 0 3 one 5 6 8 two 7 6 1 In [111]: df.sort_index(axis=1) # 指定按列排序
Out[111]: b d e two 1 6 7 one 8 6 5 five 1 4 8 four 3 0 7 In [112]: df.sort_index(axis=1,ascending=False) # 默認升序，可以指定為倒序
Out[112]: e d b two 7 6 1 one 5 6 8 five 8 4 1 four 7 0 3
如果要根據某行或某列元素的值的大小進行排序，就要使用sort_values方法：
In [113]: s= pd.Series([4, 7,-3,2]) In [114]: s.sort_values() Out[114]: 2 -3
3 2 0 4
1 7 dtype: int64 # np.nan缺失值會自動排到最后
In [115]: s2 = pd.Series([4, np.nan,7,np.nan,-3,2]) In [116]: s2 Out[116]: 0 4.0
1 NaN 2 7.0
3 NaN 4 -3.0
5 2.0 dtype: float64 In [117]: s2.sort_values() Out[117]: 4 -3.0
5 2.0 0 4.0
2 7.0
1 NaN 3 NaN dtype: float64 In [118]: df2 = pd.DataFrame({'b':[4,7,-3,2], 'a':[0,1,0,1]}) In [120]: df2 Out[120]: b a 0 4 0 1 7 1
2 -3 0 3 2 1 In [121]: df2.sort_values(by='b') # 根據某一列里的元素值進行排序
Out[121]: b a 2 -3 0 3 2 1 0 4 0 1 7 1 In [122]: df2.sort_values(by=['a','b']) # 根據某些列進行排序
Out[122]: b a 2 -3 0 0 4 0 3 2 1
1 7 1
除了排序，還有排名。Pandas的排名規則不太好理解，其規則如下：
- 以升序排名為例
- 所有數中最小的數排為1.0
- 按數大小依此類推，2.0、3.0、4.0給安排位次
- 如果有重復的數，則重復的排名相加除以重復的個數，得出一個排名
- 重復的數后面的排名，接着排
比如下面的例子：
In [123]: s = pd.Series([7,-5,7,4,2,0,4]) In [124]: s.rank() Out[124]: 0 6.5
1 1.0
2 6.5
3 4.5
4 3.0
5 2.0
6 4.5 dtype: float64
- -5最小，給排名1.0
- 0其次，排2.0
- 2再次，排3.0
- 有2個4，於是4.0+5.0等於9，再除個數2，最終排名4.5。4.0和5.0兩個排名並未使用。
- 又有2個7，於是6.0+7.0等於13，再除2，最后排名6.5
也可以根據觀察順序進行排名位次分配，主要是重復的數，按順序先后給排名，揣摩一下就能明白規律：
In [125]: s.rank(method='first') Out[125]: 0 6.0
1 1.0
2 7.0
3 4.0
4 3.0
5 2.0
6 5.0 dtype: float64
還可以按最大值排名，並降序排列：
In [126]: s.rank(method='max',ascending=False) Out[126]: 0 2.0
1 7.0
2 2.0
3 4.0
4 5.0
5 6.0
6 4.0 dtype: float64
DataFrame則可以根據行或列計算排名：
In [128]: df = pd.DataFrame(np.random.randint(-10,10,(4,3)),columns=list('abc')) In [129]: df Out[129]: a b c 0 -9 -1 -8
1 -10 8 -7
2 -4 2 6
3 9 -2 -7 In [130]: df.rank(axis='columns') Out[130]: a b c 0 1.0 3.0 2.0
1 1.0 3.0 2.0
2 1.0 2.0 3.0
3 3.0 2.0 1.0
下面列出了method參數可以使用的排名方法：
- average:默認方式，計算平均排名
- min：最小排名
- max：最大排名
- first：觀察順序排名
- dense：類似min，但組間排名總是增加1
二、統計和匯總
Pandas也有一套和Numpy類似的數學、統計學方法。不過在使用中要注意的是，Numpy通常將數組看作一個整體，而Pandas通常對列進行操作。當然，這兩者也能單獨對行進行操作。另外，Pandas內建了處理缺失值的功能，這一點是numpy不具備的。
In [131]: df = pd.DataFrame([[1.4, np.nan],[7.1,-4.2],[np.nan,np.nan],[0.75,-1.1]],index=list('abcd'),columns=['one','two']) In [132]: df Out[132]: one two a 1.40 NaN b 7.10 -4.2 c NaN NaN d 0.75 -1.1 In [133]: df.sum() # 默認對列進行求和，並返回一個Series對象，缺失值默認被忽略
Out[133]: one 9.25 two -5.30 dtype: float64 In [134]: df.sum(axis='columns') # 指定對行進行求和
Out[134]: a 1.40 b 2.90 c 0.00 d -0.35 dtype: float64 In [135]: df.mean(axis='columns', skipna=False) # 對行求平均值，但不忽略缺失值
Out[135]: a NaN b 1.450 c NaN d -0.175 dtype: float64
下面是主要的統計和匯總方法：
| 方法 | 描述 |
| min | 最小值 |
| max | 最大值 |
| idxmin | 返回某行或某列最小值的索引 |
| idxmax | 最大值的索引 |
| cumsum | 累加 |
| cumprod | 累乘 |
| count | 統計非NaN的個數 |
| describe | 匯總統計集合 |
| quantile | 計算樣本的從0到1間的分位數 |
| sum | 求和 |
| mean | 平均值 |
| median | 中位數（50%） |
| mad | 平均值的平均絕對偏差 |
| prod | 所有值的積 |
| var | 方差 |
| std | 標案差 |
| skew | 樣本偏度，第三時刻值 |
| kurt | 樣本峰度，第四時刻值 |
| diff | 計算第一個算術差值 |
| pct_change | 計算百分比 |
In [136]: df.idxmax() Out[136]: one b two d dtype: object In [137]: df.idxmin() Out[137]: one d two b dtype: object In [138]: df.cumsum() Out[138]: one two a 1.40 NaN b 8.50 -4.2 c NaN NaN d 9.25 -5.3 In [139]: df.cumprod() Out[139]: one two a 1.400 NaN b 9.940 -4.20 c NaN NaN d 7.455 4.62 In [144]: df.count() Out[144]: one 3 two 2 dtype: int64
最重要的describe方法：
In [140]: df.describe() Out[140]: one two count 3.000000 2.000000 mean 3.083333 -2.650000 std 3.493685 2.192031 min 0.750000 -4.200000
25% 1.075000 -3.425000
50% 1.400000 -2.650000
75% 4.250000 -1.875000 max 7.100000 -1.100000 In [141]: s=pd.Series(list('aabc'*4)) In [143]: s.describe() # 對於非數值型，統計類型不一樣
Out[143]: count 16 unique 3 top a freq 8 dtype: object
還有幾個非常重要的方法:
- unique：計算唯一值數組，並按觀察順序返回
- value_counts:計數，並按多到少排序
- isin：判斷是否包含成員
In [147]: s = pd.Series(list('cadaabbcc')) In [149]: uniques = s.unique() # 獲取去重后的值 In [150]: uniques # 這是一個array數組
Out[150]: array(['c', 'a', 'd', 'b'], dtype=object) In [151]: s.value_counts() # 計數，默認從多到少排序
Out[151]: a 3 c 3 b 2 d 1 dtype: int64 In [152]: pd.value_counts(s, sort=False) # 也可以這么調用，並且不排序
Out[152]: d 1 c 3 a 3 b 2 dtype: int64 In [155]: mask = s.isin(['b','c']) # 判斷Series的元素在不在b和c里面 In [156]: mask # 這是一個bool類型
Out[156]: 0 True 1 False 2 False 3 False 4 False 5 True 6 True 7 True 8 True dtype: bool In [157]: s[mask] Out[157]: 0 c 5 b 6 b 7 c 8 c dtype: object