pandas——分组聚合和透视图

数据排序

函数：sort_values(‘索引’，ascending=,na_position=’ '，inplace=)
这个函数不会改变索引
ascending:表示按照索引升序排列，False，True
na_position：缺失值的索引数据放置的位置，first，last
inplce:是否改变原数据表的值True，False

import pandas as pd
import numpy as np 

df=pd.read_csv('my_csv.csv',header=0, encoding='gbk',dtype={'年龄':str})
print(df)
print(df.sort_values("年龄",ascending=True,na_position='last'))
'''
   姓名   年龄 性别   地址
0  王贵  NaN  男   美国
1  狗子   35  男  加拿大
2  黑蛋   23  女   日本
3  小五   05  男   韩国
4  李四   06  男   朝鲜
5  小红   04  女   芬兰
   姓名   年龄 性别   地址
3  小五   05  男   韩国
2  黑蛋   23  女   日本
1  狗子   35  男  加拿大
0  王贵  NaN  男   美国
'''

索引重置

df.reset_index(drop=True, inplace=True)
drop:移除旧索引True，inplace:改本身数据True

import pandas as pd
import numpy as np 

df=pd.read_csv('my_csv.csv',header=0,\
	encoding='gbk',dtype={'年龄':str})
print(df)
print("下面的数据===重排未重置索引==索引")
df.sort_values("年龄",ascending=True,na_position='last',inplace=True)
print(df)
print("下面的数据===重置索引==索引")
df.reset_index(drop=True, inplace=True)
print(df)
'''
   姓名   年龄 性别   地址
0  王贵  NaN  男   美国
1  狗子   35  男  加拿大
2  黑蛋   23  女   日本
3  小五   05  男   韩国
4  李四   06  男   朝鲜
5  小红   04  女   芬兰
下面的数据===未重置==索引
   姓名   年龄 性别   地址
5  小红   04  女   芬兰
3  小五   05  男   韩国
4  李四   06  男   朝鲜
2  黑蛋   23  女   日本
1  狗子   35  男  加拿大
0  王贵  NaN  男   美国
下面的数据===重置==索引
   姓名   年龄 性别   地址
0  小红   04  女   芬兰
1  小五   05  男   韩国
2  李四   06  男   朝鲜
3  黑蛋   23  女   日本
4  狗子   35  男  加拿大
5  王贵  NaN  男   美国
'''

来源：CSDN

作者：MAR-Sky

链接：https://blog.csdn.net/weixin_43794311/article/details/104736152