117、pandas基本功能3

函数应用和映射

1.png

lambda用法：

2.png

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：

3.png

传递给apply的函数可以返回由多个值组成的Series:

3-1.png

使用applymap格式化字符串：

4.png

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：

5.png

对于DataFrame，可以根据任意一个轴上的索引进行排序：

6.png

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：

7.png

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:

8.png

要根据多个列进行排序，传入名称的列表即可：

9.png

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：

10.png

根据在原数据中出现的顺序给出排名：

11.png

分别按降序和升序进行排名：

12.png

下面列出用于破坏平级关系的method选项：

13.png

DataFrame可以在行或列上计算排名：

14.png

117、pandas基本功能3

推荐阅读更多精彩内容