使用Pandas对数据进行筛选和排序
筛选和排序是Excel中使用频率最多的功能，通过这个功能可以很方便的对数据表中的数据使用指定的条件进行筛选和计算，以获得需要的结果。在Pandas中通过.sort和.loc函数也可以实现这两 个功能。.sort函数可以实现对数据表的排序操作，.loc函数可以实现对数据表的筛选操作。本篇文章将介绍如果通过Pandas的这两个函数完成Excel中的筛选和排序操作。
首选导入需要使用的Pandas库和numpy库，读取并创建数据表，将数据表命名为lc。
|
1
2
3
|
import pandas as pd
import numpy as np
lc=pd.DataFrame(pd.read_csv('LoanStats3a.csv',header=1))
|
创建数据表后，开始使用Pandas的.sort函数对数据表进行排序操作，下面是Pandas官方对.sort函数语法和使用方法的说明。.sort函数主要包含6个参数，columns为要进行排序的列名称， ascending为排序的方式true为升序，False为降序，默认为true。axis为排序的轴，0表示index，1表示columns，当对数据列进行排序时，axis必须设置为0。inplace默认为False，表示对数据 表进行排序，不创建新实例。Kind可选择排序的方式，如快速排序等。na_position对NaN值的处理方式，可以选择first和last两种方式，默认为last，也就是将NaN值放在排序的结尾。
在了解了.sort函数的语法和使用方法后，我们开始使用这个函数对数据进行排序操作，数据源来自Lending Club 2017-2011年的公开数据。首先对单列数据进行排序。
对单列数据进行排序
升序
单列数据的排序的方法很简单，按照.sort函数中的介绍，写清楚要排序的数据表名称，以及要进行排序的列名称即可。具体的代码和排序结果如下所示，其中lc是前面我们读取并创建的数据表名称，loan_amnt是要进行排序的列名称。这里我们对lc数据表按loan_amnt列进行升序排列。这里需要说明的是ascending参数的默认值是True，也就是升序。因此下面的两种写法效果是一样的 。
|
1
2
|
lc.sort(["loan_amnt"])
lc.sort(["loan_amnt"],ascending=True)
|
降序
将ascending参数的值改为False就完成对数据表的降序排列工作。与升序排列的数据表相比可以发现升序排列将loan_amnt列的最小值放在了前面，因此我们可以判断loan_amnt的最小金额为500，与之相反，降序排列将最大值放在了前面，因此loan_amnt的最大金额应该为35000。这里我们没有设置na_position参数的值，因此按默认情况loan_amnt列的NaN值在排序的结尾显示。以下显示了降序排列的代码和结果。
|
1
|
lc.sort(["loan_amnt"],ascending=False)
|
对多列数据进行排序
除了对单列数据进行排序以外，.sort函数还可以对多列数据进行排序操作。下面我们分别对loan_amnt和int_rate字段进行降序排列，以下是具体的代码和排序结果，与单列数据排序的代码相比，这里只增加了一个新的列名称int_rate。
|
1
|
lc.sort(["loan_amnt","int_rate"],ascending=False)
|
我们将需要排序的两
