pandas（二）函数应用和映射
NumPy的ufuncs也可以操作pandas对象
>>> frame one two three four a 0 1 2 3 b 4 5 6 7 c 8 9 10 11 d 12 13 14 15 >>> np.square(frame)#求平方 one two three four a 0 1 4 9 b 16 25 36 49 c 64 81 100 121 d 144 169 196 225 >>>
用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中。
>>> frame one two three four a 0 1 2 3 b 4 5 6 7 c 8 9 10 11 d 12 13 14 15 >>> func = lambda x : x.max()-x.min() >>> frame.apply(func) one 12 two 12 three 12 four 12 dtype: int64 >>> frame.apply(func,axis = 1) a 3 b 3 c 3 d 3 dtype: int64
用DataFrame的applymap方法，可以将函数应用到元素级的数据上。
>>> f = lambda x : x+1 >>> frame one two three four a 0 1 2 3 b 4 5 6 7 c 8 9 10 11 d 12 13 14 15 >>> frame.applymap(f) one two three four a 1 2 3 4 b 5 6 7 8 c 9 10 11 12 d 13 14 15 16
Series也有一个元素级函数应用的方法map
>>> frame['one'] #获取dataframe的列为一个Series对象 a 0 b 4 c 8 d 12 Name: one, dtype: int32 >>> frame['one'].map(f) a 1 b 5 c 9 d 13 Name: one, dtype: int64 >>>
排序和排名
用sort_index对行或列进行排序，返回一个排序好的新对象
>>> obj = Series(range(4),index=['d','b','a','c']) >>> new_obj = obj.sort_index() >>> new_obj a 2 b 1 c 3 d 0 dtype: int64 >>> obj d 0 b 1 a 2 c 3 dtype: int64 >>>
>>> new_obj = obj.sort_index(ascending = False)#默认是升序，通过参数ascending可以设置降序
>>> new_obj
d 0
c 3
b 1
a 2
dtype: int64
对于DataFrame可以根据任意轴进行排序
>>> frame = DataFrame(np.random.randn(4,4),columns = ['c','a','d','b'],index=[3,1,4,2]) >>> frame c a d b 3 0.004950 -1.272352 1.050491 0.823530 1 1.198348 0.647114 0.154131 -0.636497 4 -0.358309 0.525307 -1.868459 0.867197 2 -0.021764 0.140501 1.459700 -0.090884 >>> frame.sort_index() c a d b 1 1.198348 0.647114 0.154131 -0.636497 2 -0.021764 0.140501 1.459700 -0.090884 3 0.004950 -1.272352 1.050491 0.823530 4 -0.358309 0.525307 -1.868459 0.867197 >>> frame.sort_index(axis =1) a b c d 3 -1.272352 0.823530 0.004950 1.050491 1 0.647114 -0.636497 1.198348 0.154131 4 0.525307 0.867197 -0.358309 -1.868459 2 0.140501 -0.090884 -0.021764 1.459700
除了按照索引排序之外，还可以按照值排序
按值对Series进行排序的时候，用sort_values方法。在老版本中是order方法。
>>> obj = Series([3,4,1,6]) >>> obj 0 3 1 4 2 1 3 6 dtype: int64 >>> obj.sort_values() 2 1 0 3 1 4 3 6 dtype: int64
在排序时，缺失值会默认放到末尾。
在DataFrame中，可能希望按照一个或多个列中的值进行排序
>>> frame = DataFrame({'a':[4,7,-3,2],'b':[1,0,0,1]})
>>> frame
a b
0 4 1
1 7 0
2 -3 0
3 2 1
>>> frame.sort_index(by='a')#这个方法将在不久之后废弃，可以使用sort_values方法
__main__:1: FutureWarning: by argument to sort_index is deprecated, please use .sort_values(by=...)
a b
2 -3 0
3 2 1
0 4 1
1 7 0
>>> frame.sort_values(by='a')
a b
2 -3 0
3 2 1
0 4 1
1 7 0
>>>
根据多个列排序
>>> frame.sort_values(by=['b','a']) a b 2 -3 0 1 7 0 3 2 1 0 4 1
排名跟排序有紧密的联系，首先根据值排序，然后增设一个排名值（从1开始，直到有效值的数量。如果两个值相等，都取两个排名的均值）
>>> obj = Series([7,-5,7,4,2,0,4]) >>> obj 0 7 1 -5 2 7 3 4 4 2 5 0 6 4 dtype: int64 >>> obj.rank() 0 6.5 1 1.0 2 6.5 3 4.5 4 3.0 5 2.0 6 4.5 dtype: float64 >>>
也可以根据值在原来数据中出现的顺序，进行排名。如果某几个值相等，现在数据中出现的排名靠前，这需要借助于method选项
>>> obj.rank(method='first') 0 6.0 1 1.0 2 7.0 3 4.0 4 3.0 5 2.0 6 5.0 dtype: float64
当然也支持降序排列，ascending=False即可
dataframe对象默认按照行排名，设置轴选项axis=1，就会按照列排名
method选项的值有
| method | 说明 |
| average | 默认：在相等分组中，为各个值分配平均排名 |
| mix | 使用整个分组的最大排名 |
| min | 使用整个分组的最小排名 |
| first | 按照值在原始数据中出现的顺序分配排名 |
带有重复值的轴索引
许多pandas函数需要标签唯一，但这并不是强制性的。
可以通过索引的is_unique去判断是否唯一
>>> obj =Series(range(5),index=['a','a','b','b','c']) >>> obj a 0 a 1 b 2 b 3 c 4 dtype: int64
>>> obj.index.is_unique
False
带有重复值索引，数据的选取时，如果索引对应多个值，返回一个Series，否则返回单个值
>>> obj['a'] a 0 a 1 dtype: int64 >>> obj['c'] 4
对于DataFrame也是如此
如果索引对应多行，返回的依然是一个dataframe对象，否则是一个Series对象
>>> df = DataFrame(np.random.randn(5,3),index=['a','a','b','b','c']) >>> df.ix['a'] 0 1 2 a -0.757846 0.713964 -0.674956 a 0.198044 1.093223 -0.342281 >>> df.ix['c'] 0 -2.647372 1 -0.526367 2 -0.296859 Name: c, dtype: float64 >>> type(df.ix['a']) <class 'pandas.core.frame.DataFrame'> >>> type(df.ix['c']) <class 'pandas.core.series.Series'>
