pandas：分组和排序_pandas 分组排序

grouping and sorting

lambda是匿名函数，即不再使用def的形式，可以简化脚本，使结构不冗余何简洁

• groupby()
• value_counts()
• agg():可以同时运行一堆不同的函数（max（）、min（））
• reset_index():转回常规索引的方法
• sort_values()
• sort_index():按照索引值排序
  1.分组分析（groupwise analysis）

reviews.groupby("points").points.count()
1

reviews.groupby('points').price.min()
1

将生成的每个组视为 DataFrame 的一个切片，其中仅包含具有匹配值的数据。我们可以使用 apply() 方法直接访问这个 DataFrame，然后我们可以以任何我们认为合适的方式操作数据。

reviews.groupby('winery').apply(lambda df: df.title.iloc[0])
1

对于更细粒度的控制，您还可以按多列进行分组。例如，以下是我们如何按国家和省份挑选最好的葡萄酒：

reviews.groupby(['country','province']).apply(lambda df :df.loc[df.points.idxmax()])
1

agg()用来生成数据集的简单统计摘要

reviews.groupby(["country"]).price.agg([len,min,max)]
1

2.多索引（multi-indexes）
到目前为止，在我们看到的所有示例中，我们一直在使用具有单标签索引的 DataFrame 或 Series 对象。 groupby() 略有不同的是，根据我们运行的操作，它有时会导致所谓的多索引。

countries_reviews = reviews.groupby(['country','province']).desccription.agg([len])
type(countries_reviews.index)
1
2

3.sorting（排序）
index order:索引顺序
value order：值顺序

countries_reviewed = countries_reviewed.reset_index()
countries_reviewed.sort_values(by='len') #默认升序
1
2

countries_reviewed.sort_values(by = 'len',ascending = False) #按照len的降序排列
1

same arguments and default order(相同的参数和默认顺序）

countries_reviewed.sort_index()
#一次可以按照多列排序
countries_reviewed.sort_values(by=['country','len'])

1
2
3
4

1.谁是数据集中最常见的葡萄酒评论家？创建一个 Series，其索引是数据集中的 taster_twitter_handle 类别，其值计算每个人写了多少评论。
(1)
（2）其中description这一列可以看出来就是不同评论者的评论总数，在调取[‘description’]就行了。注意不可以加括号。

（3）
2.给定金额我能买到的最好的酒是什么？创建一个“系列”，其索引是葡萄酒价格，其值是评论中给出的葡萄酒的最大点数。按价格对值进行升序排序（因此“4.0”美元在顶部，“3300.0”美元在底部）。
也就是说：index是price；value是max（points），整体是一个序列Series

升序：默认情况（sort（））
（1）

（2）Series

（3）Series

?所以这三种表示方法都是一样的呀？

3.每个“品种”葡萄酒的最低和最高价格是多少？创建一个“DataFrame”，其索引（index）是数据集中的“variety”类别，其值（values）为“min”和“max”值。
type：DataFrame

4.最贵的葡萄酒品种有哪些？创建一个变量“sorted_varieties”，其中包含上一个问题的数据框副本，其中品种根据最低价格按降序排列，然后按最高价格（打破平局）。
（1）只按min进行降序排列

（2）只按max进行降序排列

（3）min和max都应用


5.创建一个“系列”(series)，其索引(index)是评论者(taster_name)，其值是该评论者给出的平均评论分数。提示：您将需要 taster_name 和 points 列。

不同审稿人给出的平均分是否存在显着差异？运行下面的单元格以使用 describe() 方法查看值范围的摘要。

6.最常见的国家和品种组合是什么？创建一个索引为 {country,variety} 对的 MultiIndex 的 Series。例如，在美国生产的黑比诺(piont noir)应该映射到 {“US”, “Pinot Noir”}。根据酒的数量按降序对系列中的值进行排序。
(1)有一点多此一举，因为size（）可以计算分类后值的汇总

（2）使用了winery.count()进行了汇总