跳转至

Python |熊猫系列. argsort()

原文:https://www.geesforgeks.org/python-pandas-series-arg sort-2/

借助熊猫系列. argsort() ，可以对熊猫中的系列元素进行排序。但是熊猫系列的主要内容是我们得到的输出是系列中排序元素的索引值。在后面的代码演示中，我们将解释如何将输出作为排序索引值。

语法:熊猫。Series.argsort(轴=0，种类='quicksort '，顺序=无)

参数: 轴:对 numpy 有用。 种类: {'mergesort '，' quicksort '，' heapsort'}，默认' quicksort' 顺序:对 numpy 有用。

返回: argsorted Series，其中-1 表示存在 nan 值的位置

要获得 csv 文件的链接，点击 nba.csv

代码#1 : 在这段代码中，您会看到我们正在取一些整数值的简单序列，并尝试基于不同的排序算法方法进行排序，如快速排序、合并排序和堆排序，但默认情况下，它将假设为快速排序。让我们看看下面的代码和下面的输出。

# importing pandas 
import pandas as pd  

# reading the csv   
data = pd.read_csv("nba.csv")

data.dropna(inplace = True)

# creating series form weight column 
g = pd.Series(data['Weight'].head())
print(g)

gfg = g.argsort(axis = 0, kind ='quicksort', order = None)

print(gfg)

Output:

0    180.0
1    235.0
3    185.0
6    235.0
7    238.0
Name: Weight, dtype: float64
0    0
1    2
3    1
6    3
7    4
Name: Weight, dtype: int64

正如你在输出中看到的，看起来很奇怪，为什么我们没有得到序列的排序值，而是得到了这些数字。这是Series.argsort()方法的主要概念，它首先返回一个最小数的索引值，最后返回最大值的索引值。因为我们有 1 是最小的数字，它的索引值是 4，那么 4 将首先出现，这个概念就像下面的输出一样流动。

代码#2 :

# importing pandas 
import pandas as pd  

# reading the csv   
data = pd.read_csv("nba.csv")

data.dropna(inplace = True)

# creating series form weight column 
g = pd.Series(data['Weight'].head())
print(g)

gfg = g.argsort(axis = 0, kind ='mergesort', order = None)

print(gfg)

Output:

0    180.0
1    235.0
3    185.0
6    235.0
7    238.0
Name: Weight, dtype: float64
0    0
1    2
3    1
6    3
7    4
Name: Weight, dtype: int64

代码#3 :

# importing pandas 
import pandas as pd  

# reading the csv   
data = pd.read_csv("nba.csv")

data.dropna(inplace = True)

# creating series form weight column 
g = pd.Series(data['Weight'].head())
print(g)

gfg = g.argsort(axis = 0, kind ='heapsort', order = None)

print(gfg)

Output:

0    180.0
1    235.0
3    185.0
6    235.0
7    238.0
Name: Weight, dtype: float64
0    0
1    2
3    1
6    3
7    4
Name: Weight, dtype: int64

当我们有缺失值时，输出是什么？

如上所述，如果我们想要处理丢失的值，那么在无的地方，它将给出-1 的输出。

import pandas as pd

# importing pandas 
import pandas as pd  

# reading the csv   
data = pd.read_csv("nba.csv")

# creating series form weight column 
g = pd.Series(data['Weight'])
print(g)

gfg = g.argsort(axis = 0, kind ='mergesort', order = None)

print(gfg)

Output:

450    226.0
451    206.0
452    234.0
453    203.0
454    179.0
455    256.0
456    231.0
457      NaN
Name: Weight, Length: 458, dtype: float64
450    237
451     41
452    188
453    395
454    330
455    302
456    405
457     -1
Name: Weight, Length: 458, dtype: int64
回到顶部