函数应用和映射
lambda用法:
在上面的例子中,lambda作为一个表达式,定义了一个匿名函数,上例的代码x为入口参数,x+1为函数体。
DataFrame的apply方法可以将函数应用到由各列或行所形成的一维数组上:
传递给apply的函数可以返回由多个值组成的Series:
使用applymap格式化字符串:
排序和排名
根据条件对数据集排序(sorting)是一种重要的内置运算。要对行或列索引进行排序(按字典顺序),可使用sort_index方法,它将返回一个已排序的新对象:
对于DataFrame,可以根据任意一个轴上的索引进行排序:
Series 的sort_index(ascending=True)方法可以对 index 进行排序操作,ascending 参数用于控制升序或降序,默认为升序:
若要按值对 Series 进行排序,当使用 .order(na_last=True, ascending=True, kind='mergesort') 方法,任何缺失值默认都会被放到 Series 的末尾。
在DataFrame上,根据一个或多个列中的值进行排序,可以将一个或多个列的名字传递给by:
要根据多个列进行排序,传入名称的列表即可:
排名(Series.rank(method='average', ascending=True))的作用与排序的不同之处在于,他会把对象的 values 替换成名次(从 1 到 n)。这时唯一的问题在于如何处理平级项,方法里的 method 参数就是起这个作用的,他有四个值可选:average, min, max, first。
其中rank函数返回从小到大排序的下标,对于平级的数,rank是通过“为各组分配一个平均排名”的方式破坏平级关系,如下:
根据在原数据中出现的顺序给出排名:
分别按降序和升序进行排名:
下面列出用于破坏平级关系的method选项:
DataFrame可以在行或列上计算排名: