現(xiàn)在直播帶貨太火了，宋宋最近也在小紅書上敗家了好幾單，身為程序員的宋宋有點(diǎn)不甘心。拿到了一份小紅書直播帶貨榜數(shù)據(jù)分析下，看一看小紅書的賣貨實(shí)力和用戶分析？本案例主要針對(duì)DataFrame的排序知識(shí)點(diǎn)的講解。

　　### 數(shù)據(jù)排序

　　在數(shù)據(jù)分析的使用過程中，數(shù)據(jù)排序是必不可少的。當(dāng)然DataFrame就給我提供了一個(gè)非常方便的對(duì)數(shù)據(jù)排序的方法，那就是：

　　sort_index和sort_values方法。在我們講解DataFrame的排序之前，回顧下Series的排序。

　　Series排序有兩種：一個(gè)是sort_index，顧名思義根據(jù)Series中的索引對(duì)這些值進(jìn)行排序。另一個(gè)是sort_values，根據(jù)Series中的值來排序。這兩個(gè)方法都會(huì)返回一個(gè)新的Series。使用Series的排序可以對(duì)DataFrame中的某一列進(jìn)行排序。比如：按照年齡排序

　　```

　　df['age'].sort_values() # 獲取age列，并進(jìn)行排序

　　```

　　#### 索引排序

　　對(duì)于DataFrame來說也是一樣，同樣有根據(jù)值排序以及根據(jù)索引排序這兩個(gè)功能。但是由于DataFrame是一個(gè)二維的數(shù)據(jù)，所以在使用上會(huì)有些不同。最主要的差別是在于Series只有一列，我們明確的知道排序的對(duì)象，但是DataFrame不是，它當(dāng)中的索引就分為兩種，分別是行索引以及列索引。所以我們?cè)谂判虻臅r(shí)候**需要指定我們想要排序的軸**，也就是axis。

　　```

　　df.sort_index(axis=0,ascending=False)

　　# 其中ascending是用來指定排序的升降序的，默認(rèn)是升序，如果是降序排列可以使用ascending=False

　　```　　

　　#### 值排序

　　DataFrame的值排序有所不同，我們不能對(duì)行進(jìn)行排序，**只能針對(duì)列**。我們通過by參數(shù)傳入我們希望排序參照的列，可以是一列也可以是多列。比如：需要按照用戶下單的金額排序，升序排列

　　```

　　df.sort_values(by='revenue') # 通過by參數(shù)指定排序的列名

　　```

　　結(jié)果：　　

　　或者是按照用戶下單金額和消費(fèi)的總金額排序，

　　```

　　# 如果排序的列名是多個(gè)，則可以使用列表將多個(gè)列名放于列表中

　　df.sort_values(by=['revenue','accumulation'])

　　```

　　結(jié)果：　　

　　以上排序是默認(rèn)的升序，如果需要獲取用戶下單金額最高的則需要，則需要降序排列查看。

　　```

　　df.sort_values(by=['revenue','accumulation'],asccending=False)

　　```　

　　當(dāng)然還可以在sort_values方法中指定，inplace=True 保留排序結(jié)果在原數(shù)據(jù)中，默認(rèn)是False。也可以指定按照哪個(gè)軸排序使用axis，

　　也可以指定排序的方式是：快速排序、合并排序、堆排序使用kind參數(shù)，默認(rèn)是快速排序。(以下分別是合并排序和快排)　　

　　### 數(shù)據(jù)匯總

　　DataFrame中的匯總運(yùn)算也就是**聚合運(yùn)算**，比如我們最常見的sum方法，對(duì)一批數(shù)據(jù)進(jìn)行聚合求和。還有mean方法，對(duì)數(shù)據(jù)進(jìn)行均值運(yùn)算等等。

　　> max([axis=1|0])

　　>

　　> min([axis=1|0])

　　>

　　> sum([axis=1|0])

　　>

　　> mean([axis=1|0])

　　>

　　> count([axis=1|0])

　　>

　　> ....

　　我們可以使用sum來對(duì)DataFrame的行或者列進(jìn)行求和，如果不傳任何參數(shù)，默認(rèn)是對(duì)每一行進(jìn)行求和，如果需要按照列求和則設(shè)置axis=1。比如求過往第三方購買的數(shù)量的總和

　　```python

　　df['3rd'].sum()

　　```

　　結(jié)果：

　　> ```

　　> 67329

　　> ```

　　當(dāng)然我們也可以獲取用戶的購買金額revenue的均值

　　```

　　df['revenue'].mean() # 默認(rèn)axis=0

　　```

　　結(jié)果：

　　> ```

　　> 398.2981660045499

　　> ```

　　獲取用戶注冊(cè)6個(gè)月內(nèi)的個(gè)數(shù)

　　```

　　df.loc[df['lifecycle']=='A','lifecycle'].count()

　　```

　　結(jié)果：

　　> ```

　　> 3541

　　> ```

　　獲取消費(fèi)總額最大的金額

　　```

　　df['accumulation'].max()

　　```

　　結(jié)果：

　　> ```

　　> 11597.9

　　> ```

　　由于DataFrame當(dāng)中常常會(huì)有為NA的元素，所以我們可以通過skipna這個(gè)參數(shù)排除掉缺失值之后再計(jì)算平均值。另外還有一個(gè)很好用的方法是descirbe，可以返回DataFrame當(dāng)中的**整體信息**。比如每一列的均值、樣本數(shù)量、標(biāo)準(zhǔn)差、最小值、最大值等等。是一個(gè)常用的統(tǒng)計(jì)方法，可以用來了解DataFrame當(dāng)中數(shù)據(jù)的分布情況。

　　```

　　df.describe()

　　```

　　結(jié)果：　　

　　其中std是求標(biāo)準(zhǔn)差，50%求中位數(shù)，var()求方差等...

　　當(dāng)然我們也可以同時(shí)獲取用戶的購買金額revenue的均值和消費(fèi)總額最大的金額，此時(shí)我們需要使用agg方法完成。

　　```

　　df.agg({'revenue':np.mean,'accumulation':np.max}) # 參數(shù)是一個(gè)字典，key為列名，value為要進(jìn)行的聚合運(yùn)算

　　```

　　結(jié)果：　　

　　當(dāng)然更多情況下，agg方法往往是結(jié)合分組groupby使用。也不是絕對(duì)的，根據(jù)實(shí)際的情況吧!

　　更多關(guān)于Python 培訓(xùn)的問題，歡迎咨詢千鋒教育在線名師。千鋒教育擁有多年IT培訓(xùn)服務(wù)經(jīng)驗(yàn)，采用全程面授高品質(zhì)、高體驗(yàn)培養(yǎng)模式，擁有國內(nèi)一體化教學(xué)管理及學(xué)員服務(wù)，助力更多學(xué)員實(shí)現(xiàn)高薪夢(mèng)想。

　　注：本文部分文字和圖片來源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除。版權(quán)歸原作者所有!