52数据分析实战45讲论坛05丨python科学计算pandas

1、05丨科学计算：Pandas05丨科学计算：Pandas上一章中 我们讲了的一个重要的第 库NumPy我来给你的另一个工具Pandas在数据分析工作中 Pandas的使用频率是很高的 一方面是因为Pandas提供的基础数据结构DataFrame与json的契合度很高 转换起来就很方便 另一方面 如果我们日常的数据 工作不是很复杂的话 你通常用几句Pandas代码就可以对数据进行规整Pandas可以说是基于 NumPy 构建的含有更高级数据结构和分析能力的工具包 在NumPy中数据结构是 ndarray展开的 那么在Pandas中的 数据结构是什么呢？下面主要给你讲下Series和 DataFr

2、ame这两个 数据结构 他们分别代表着一维的序列和二维的表结构 基于这两种数据结构 Pandas可以对数据进行导入、 、处理、统计和输出数据结构 Series和DataFrameSeries是个定长的字典序列 说是定长是因为在 的时候 相当于两个ndarray 这也是和字典结构最大的不同 因为在字典的结构里 元素的个数是不固定的Series有两个基本属性 index 和 values 在Series结构中 index默认是0,1,2,递增的整数序列 当然我们也可以 来指定索引 比如index a, b, c, dimport pandas as pdfrom pandas import Ser

3、ies DataFrame x1 = Series(1 2 3 )x2 = Series(data=1 2 3 index='a' 'b' 'c' 'd') pr nt x1pr nt x2运行结果0 11 22 33d ype int6 a 1b 2c 3dd ype int6这个例子中 x1中的index采用的是默认值 x2中index进行了指定 我们也可以采用字典的方式来创建Series 比如d = 'a' 1 'b' 2 'c' 3 'd' x3 = Seri

4、es(d) pr nt x3运行结果a 1b 2c 3dd ype int6DataFrame类型数据结构类似数据库表它 了行索引和列索引 我们可以将DataFrame 看成是由相同索引的Series组成的字典类型我们虚构一个王者荣耀考试的场景 想要输出几位 的考试成绩import pandas as pdfrom pandas import Series DataFramedata = '' 66 95 93 90 80 'English' 65 85 92 88 90 Ma h' 30 98 96 77 90df1= Dat (data)df2 =

5、DataFrame(da a index='ZhangFei' 'GuanYu' ZhaoYun' 'HuangZhong' DianWei columns='English' Ma h' ') pr nt df1pr nt df2在后面的案例中 我 会用df, df1, df2这些作为DataFrame数据类型的变量名 我们以例子中的df2为例 列索引是 English, Math,English Math ChZhangFei 65 30GuanYu 85 98 95ZhaoYun 92 96 93Hu

6、angZhong 88 77 90DianWei 90 90 80在了解了Series和 DataFrame这两个数据结构后 我们就从数据处理的流程角度 来看下他们的使用数据导入和输出 行索引是 ZhangFei, GuanYu, ZhaoYun, HuangZhong, DianWei 所以df2的输出是Pandas直接从xlsx csv等文件中导入数据 也可以输出到xlsx, csv等文件 非常方便import pandas as pdfrom pandas import Series DataFramescore = DataFrame(pd. _excel('data xlsx

7、 ) score to_excel('data1 xpr nt score需要说明的是 在运行的过程可能会 缺少xlrd和openpyxl包的情况 到时候如果缺少了 可以在命令行模式下使用“pip install”命令来进行安装数据数据 是数据准备过程中必不可少的环节 Pandas也为我们提供了数据 的工具 在后面数据 的章节中会给你做详细的这里简单 下Pandas在数据我还是以上面这个王者荣耀的数据为例中的使用data = 66 95 93 90 80 'English' 65 85 92 88 90 Ma h' 30 98 96 77 90df2 = Dat

8、aFrame(da a index='ZhangFei' 'GuanYu' ZhaoYun' 'HuangZhong' DianWei columns='English' Ma h'在数据 过程中都会遇到以下这几种情况 下面我来简单 一下1. 删除 DataFrame 中的不必要的列或行)Pandas提供了一个便捷的 drop() 函数来删除我们不想要的列或行 比如我们想把“语文”这列删掉df2 = df2.drop(columns=)想把“ ”这行删掉df2 = df2.drop(index='Zhang

9、Fei )2. 重命名列名columns 让列表名更容易识别如果你想对DataFrame中的columns进行重命名 可以直接使用rename(columns new_names, inplace True) 函数 比如我把列名df2.rename(columns='Ch 'YuWen' English' 'Yingyu' inplace = True)3. 去重复的值可能 重复的行 这时只要使用drop_duplicates()就会自动把重复的行去掉df = df drop_duplicates() #去除重复行4. 格式问题 更改数据格式改成

10、YuWen English改成YingYu这是个比较常用的操作 因为很多时候数据格式不规范 我们可以使用astype函数来规范数据格式 比如我们把df2' astype('str')df2'' astype(np int6 )数据间的空格字段的值改成str类型 或者int64可以这么写有时候我们先把格式转成了str类型 是为了方便对数据进行操作 这时想要删除数据间的空格 我们就可以使用strip函数#删除左右两边空格df2'=df2 #删除左边空格df2''=df2 #删除右边空格df2''=df2.map(s r

11、.strip)'.map(s r.lstrip)'.map(s r.rs rip)如果数据里有某个特殊的符号 我们想要删除怎么办？同样可以使用strip函数 比如df2''=df2'.str.strip('$ )大小写转换字段里有 符号 我们想把这个删掉 可以这么写fi e:/J/geektime/唯一更新/ebook/数据分析实战 5讲/05丨 科学计算：Pandas html2019/2/17 17 25 2505丨科学计算：Pandas大小写是个比较常见的操作 比如人名、城市名等的统一都可能用到大小写的转换 在里直接使用upper(), l

12、ower(), title()函数#全部大写df2.columns = df2.columns.str upper() #全部小写df2.columns = df2.columns.str lower() #首字母大写df2.columns = df2.columns.str title()查找空值数据量大的情况下 有些字段 空值NaN的可能 这时就需要使用Pandas中的isnull函数进行查找 比如 我们输入一个数据表如下如下如果我们想看下哪个地方 空值NaN 可以 数据表df进行df.isnull() 结果如下如果 知道哪列 空值 可以使用df.isnull().any() 结果如下使用

13、apply函数对数据进行apply函数是Pandas中 度非常高的函数 使用频率也非常高比如我们想对name列的数值都进行大写转化可以用df'name' = df'name'.apply(str.upper)我们也可以定义个函数 在apply中进行使用 比如定义double_df函数是将原来的数值*2进行返回 然后对df1中的“语文”列的数值进行*2处理 可以写成def double_df(x) return 2*xdf1u'语文 = df1u'语文'.apply(double_df)我们也可以定义更复杂的函数 比如对于DataFrame

14、 我们新增两列 其中new1列是“语文”和“英语”成绩之和的m倍 'new2列是“语文”和“英语”成绩之和的n倍 我们可以这样写def plus(df n m)df'new1' = (dfu'语文' dfu'英语') * mdf'new2' = (dfu'语文' dfu'英语') * n re urn dfdf1 = df1.apply(plus axis=1 args=(2 3 )其中axis 1代表按照列为轴进行操作 axis 0代表按照行为轴进行操作 args是传递的两个参数 即n 2

15、, m 3 在plus函数中使用到了n和m 从而生成新的df数据统计在数据 后 我们就要对数据进行统计了Pandas和NumPy一样 都有常用的统计函数 如果遇到空值NaN 会自动排除常用的统计函数fi e:/J/geektime/唯一更新/ebook/数据分析实战 5讲/05丨科学计算：Pandas html2019/2/17 17 25 2505丨科学计算：Pandas表格中有一个describe()函数 统计函数千千万 describe()函数最简便 它是个统计大礼包 可以快速让我们对数据有个全面的了解 下面我直接使用df1.descirbe()输出结果为fi e:/J/geektime

16、/唯一更新/ebook/数据分析实战 5讲/05丨 科学计算：Pandas html2019/2/17 17 25 2505丨科学计算：Pandasdf1 = DataFrame('name' 'ZhangFei' GuanYu' 'a' 'b' 'c 'data1' range(5) pr nt df1.describe()数据表合并有时候我们需要将多个 源的多个数据表进行合并 一个DataFrame相当于一个数据库的数据表 那么多个DataFrame数据表的合并就相当于多个数据库的表合并比如我要

17、创建两个DataFramedf1 = DataFrame('name' 'ZhangFei' GuanYu' 'a' 'b' 'c 'data1' range(5)df2 = DataFrame('name' 'ZhangFei' GuanYu' 'A' 'B' 'C 'da a2' range(5)两个DataFrame数据表的合并使用的是merge()函数 有下面5种形式1. 基于指定列进行连接比如我

18、们可以基于name这列进行连接df3 = pd merge(df1 df2 on='name')2. inner内连接inner内链接是merge合并的默认情况 inner内连接其实也就是键的交集 在这里df1, df2相同的键是name 所以是基于name字段做的连接df3 = pd merge(df1 df2 how='inner')3. left左连接左连接是以第一个DataFrame为主进行的连接 第二个DataFrame作为补充df3 = pd merge(df1 df2 how='left')4. right右连接右连接是以第二个Da

19、taFrame为主进行的连接 第一个DataFrame作为补充df3 = pd merge(df1 df2 how='right )5. outer外连接外连接相当于求两个DataFrame的并集df3 = pd merge(df1 df2 how='outer')fi e:/J/geektime/唯一更新/ebook/数据分析实战 5讲/05丨 科学计算：Pandas html2019/2/17 17 25 2505丨科学计算：Pandas如何用SQL方式打开PandasPandas的DataFrame数据类型可以让我们像处理数据表一样进行操作 比如数据表的增删改查

20、都可以用Pandas工具来完成 不过也会有很多人记不住这些Pandas 令 相比之下还是用SQL语句更熟练 用SQL对数据表进行操作是最方便的 它的语句描述形式更接近我们的自然语言事实上 在里可以直接使用SQL语句来操作Pandas这里给你 个工具 pandasqlpandasql 中的主要函数是 sqldf 它接收两个参数 一个SQL 语句 还有一组环境变量globals()或locals() 这样我们就可以在里 直接用SQL语句中对DataFrame进行操作 举个例子import pandas as pdfrom pandas import DataFramefrom pandasql i

21、mport sqldf load_meat load_birthsdf1 = DataFrame('name' 'ZhangFei' GuanYu' 'a' 'b' 'c 'data1' range(5) pysqldf = lambda sql sqldf(sql globals()sql = select * from df1 where name = ZhangFei' pr nt pysqldf(sql)运行结果data1 name0 0 ZhangFei上面这个例子中 我们是对“n

22、ame 'ZhangFei”“的行进行了输出 当然你会看到我们用到了lambda lambda在中算是使用频率很高的 那lambda是用来做什么的呢？它实际上是用来定义一个lambda argument_list expression函数的 具体的使用形式为这里argument_list是参数列表 expression是关于参数的表达式 会根据expression表达式计算结果进行输出返回在上面的代码中 我们定义了pysqldf = lambda sql sqldf(sql globals()在这个例子里 输入的参数是sql 返回的结果是sqldf对sql的运行结果 当然sqldf中也

23、输入了globals全局参数 因为在sql中有对全局参数df1的使用总结和NumPy一样 Pandas有两个非常重要的数据结构 Series和DataFrame 使用Pandas可以直接从csv或xlsx等文件中导入数据 以及最终输出到excel表中我重点 了数据 中的操作 当然Pandas中同样提供了多种数据统计的函数最后我们 了如何将数据表进行合并 以及在Pandas中使用SQL对数据表更方便地进行操作Pandas包与NumPy工具库配合使用可以发挥巨大的正是有了Pandas工具做数据挖掘才具有优势fi e:/J/geektime/唯一更新/ebook/数据分析实战 5讲/05丨 科学计算

24、：Pandas html2019/2/17 17 25 2505丨科学计算：Pandas我们来回顾一下练习题的内容 在Pandas中 最主要的数据结构是什么？它都提供了哪些函数 可以帮我们做数据 ？你可以 描述一下吗？对于下表的数据 请使用Pandas中的DataFrame进行创建 并对数据进行同时新增一列“总和”计算每个人的三科成绩之和欢迎在评论区与我 你的如果你觉着这篇文章有价值 欢迎点击“请朋友读” 把这篇文章 给你的朋友或者同事fi e:/J/geektime/唯一更新/ebook/数据分析实战 5讲/05丨 科学计算：Pandas html2019/2/17 17 25 2505丨科

25、学计算：Pandas精选留言自导自演 2018-12-28 23:17:37能换3.x版本的吗？一堆2.x问题一直卡着好难受 22赞何楚 2018-12-24 10:48:59#!/usr/bin/env3# -*- coding: utf-8 -*-import pandas as pddata : 66, 95, 93, 90, 80, 80, English': 65, 85, 92, 88, 90, 90,Math': None, 98, 96, 77, 90, 90df pd.DataFrame(data, index ' ', ' '

26、, ' ', '', '典韦', '典韦',columns 'English', Math',# 去除重复行df df.drop_duplicates()# 列名重新排序)cols '', 'English', 'Math'df df.filter(cols, axis 1)# 列名改为中文df.rename(columns Math': '数学', inplace True)': '语文', 'Engl

27、ish': '英语',def total_score(df):df'总分 df'语文' df'英语' df'数学' return df# 求成绩的和 用 讲的 apply df df.apply(total_score, axis 1)# 或者可以用这个 求和# df'总分 df'语文 df'英语' df'数学' # 按照总分排序 从高到低 此时有缺失值df.sort_values('总分 , ascending False, inplace True) #

28、打印显示成绩单有空值print(df.isnull().sum()print(df.describe() print(df)# 使用数学成绩均值填充 同学的缺失值df'数学 .fillna(df'数学'.mean(), inplace True) # 再次求成绩的和并打印显示成绩单情况df df.apply(total_score, axis 1) print(df.isnull().sum() print(df.describe()print(df) 20赞作者回复2018-12-25 00:48:07整理的不错 终于看到 的数学成绩 按照平均值来补全的了大萌 201

29、8-12-24 18:02:29另外推荐一个链接很实用 里面记载了许多常使用的 7赞daydreamer 2018-12-24 14:58:36"""Pandas中有Series和DataFrame两种重要的数据结构Series 是一个定长的字典序列 有两个基本属性 index valuesDataFrame 类似于数据库表的一种数据结构 我们甚至可以像操作数据库表那样对DataFrame数据进行连接 合并等等常用DataFrame进行数据清晰 用到的发 有: 去重删除 drop() drop_duplicates(),rename()去空格 strip(),ls

30、trip(),rstrip()变换大小写 upper(),lower(),title()fi e:/J/geektime/唯一更新/ebook/数据分析实战 5讲/05丨 科学计算：Pandas html2019/2/17 17 25 2505丨科学计算：Pandas改变数据格式 astype()查找空值 lsnull apply"""from pandas import DataFrame# Scores ofsscores '': 66, 95, 95, 90, 80, 80,English': 65, 85, 92, 80, 90,

31、90,Math': None, 98, 96, 77, 90, 90,Total': None, None, None, None, None, Nonedf DataFrame(scores, index 'Zhang Fei', Guan Yu', 'Zhao Yun', 'Huang Zhong', 'Dian Wei','Dian Wei',)# Data ckeaning.# remove the duplicated record. df df.drop_duplicates()

32、# print(df)# Calculate the total scores. df'Total' df.sum(axis 1) print(df.describe() 4赞作者回复2018-12-25 00:46:02df'Total'df.sum(axis 1) 这个求和写的还是挺简洁的吴 2018-12-24 09:30:37大家以后放代码时能不能写明 的 环境啊 方便交流啊 4赞Grandia_Z 2018-12-24 22:06:02照着 写 df2df2.drop(columns ') 这行代码后,返回结果是:TypeError Trace

33、back (most recent call last)<i-input-25-8116650c61ac> in <module>()-> 1 df2 df2.drop(columns )TypeError: drop() got an unexpected keyword argument 'columns'这个什么意思2赞作者回复2018-12-24 23:45: 8我运行没有问题 是正确的 我使用的是py2.7版本 另外你在开头你可以 编辑 加我帮你看下大萌 2018-12-24 18:00:46Pandas最主要的两个数据结构 Series

34、 DataFrame Series提供 index,values,mapDataFrame常用的函数- describe() 统计性描述- drop_duplicates() 删除重复行- rename(columns .) 更名- dropna() 删除具有空的行了 DataFrame和pandas工具包了么- isnull()空值- fillna() 填充空值- apply() 应用函数- merge() 合并df- value_counts() 统计某列的各类型个数- _excel() to_excel() 和保存excel- set_index() 设置索引- cut 分组代码 工具j

35、upyter notebook import pandas as pdfrom pandas import DataFrame,Series import numpy as npgrades ':66,95,95,90,80,80, English':65,85,92,88,90,90, Math':np.nan,98,96,77,90,90 #定义成绩字典df1DataFrame(grades,index 'zhangfei','guanyu','zhaoyun','huangzhong','ma

36、chao','machao ) #创建DataFramedf1.describe()df1.isnull().any() #查看哪一列有空值df1.dropna(inplace True) #去除空值df1.drop_duplicates(inplace True) #去除重复值df1.rename(columns :'YuWen','English': YingYu', Math':'ShuXue ,inplace True) #更名df1'ZongFen'df1 2赞df1.YingYu df1.YuW

37、en df1.ShuXue #计算总分2018-12-24 16:02:11# -*- coding: utf-8 -*- import pandas as pdfrom pandas import Series, DataFramedata '语文':66, 95, 95, 90, 80, 80,'英语':65, 85, 92, 88, 90,90, '数学': ', 98, 96, 77, 90, 90df1 DataFrame(data, index ' ', ' ', ' ', &#

38、39;,'典韦','典韦', columns '语文','英语','数学 ) print df1df1 df1.drop_duplicates() print df1df df1.replace(to_replace '', value 0)print dffi e:/J/geektime/唯一更新/ebook/数据分析实战 5讲/05丨 科学计算：Pandas html2019/2/17 17 25 2505丨科学计算：Pandasdf'总计 df'语文' df'英语

39、9; df'数学' df.replace(to_replace 0, value '', inplace True)print df 2赞作者回复2018-12-25 00:43:52整理的OK 基本上 的过程都会把重复的行去掉的数学成绩 既可以按照0统计 也可以按照其他人的平均值来统计（考虑可能是统计缺失 而非真正为0）ey 2018-12-24 13:26:48#!/usr/bin/# vim: set fileencoding:utf-8 ''1. 对于下表的数据 请使用Pandas中的DataFrame进行创建 并对数据进行2. 同时新增

40、一列“总和”计算每个人的三科成绩之和''import pandas as pdfrom pandas import DataFrame# 导入成绩data pd._excel(u'成绩表.xlsx')df DataFrame(data) print df# 求和 并增加一列“总和” def addtotal(df):dfu'总和 dfu'语文 dfu'英语' dfu'数学' return df#为空的数据df1 df.dropna()#重复的数据df1 df1.drop_duplicates()# 生成新数据结构d

41、f1 df1.apply(addtotal, axis 1) print(df1) 2赞作者回复2018-12-25 00:35:35简洁 整理的不错其实还有一种龟仙人 2019-01-27 04:39:05即的情况 数学成绩可以进行补全 比如用其他人的数学成绩平均值你好 你好像没有在哪里明确说明 的环境是2.7的 结果大家的使用环境大多数是3.0的 多多少少会一些问题 还有请问怎么加？ 1赞七彩 2019-01-04 16:57:39df2.astype('str') 这种写法貌似不行 如果是原始类型是int 再次map调用str.strip 的时候会出错改成赋值形式就行了d

42、f2tjcslx 2018-12-31 22:15:15#!/usr/bin/env # coding: utf-8 df2'.astype('str ) 1赞# 使用Jupyter Notebook进行脚本编写import pandas as pd import numpy as npfrom pandas import DataFramefrom pandasql import sqldf, load_meat, load_births# 创建数据集并进行数据清除重复的行# 录入数值时 空值用None或np.nan defaultValues为字段为空时的默认值 姓名字段默

43、认为“无# 分别使用drop_duplicates和fillna 进行去重复值及空值填充成绩字段默认为0data 'Name': ' ', ' ', ' ', ' df DataFrame(data, columns Name', '', '典韦', '典韦',', 'English', 'Maths'): 66, 95, 95, 90, 80, 80, 'English': 65, 85, 92, 88, 90

44、, 90, Maths': None, 98, 96, 77, 90, 90defaultValues'Name': '无姓名',: 0, 'English': 0, 'Maths': 0df df.drop_duplicates()# 按照默认值进行填充df df.fillna(defaultValues)# 使用其他学生的平均值对空值进行填充# df'Maths .fillna(df Maths'.mean(), inplace True)# 使用Pandas SQL进行排序语句编写pysqldf la

45、mbda sql: sqldf(sql, globals()sql "select *, print(pysqldf(sql) 1赞自然 2018-12-25 00:10:01def sum(df):English Maths as Total from df order byEnglish Maths desc"dfu'总和 (dfu'语文' dfu'英语' dfu'数学') return dfdf1df1.apply(sum, axis 1) 1赞lingmacker 2018-12-24 16:37:04def

46、exercise():# 1. 对于下表的数据 请使用Pandas中的DataFrame进行创建 并对数据进行# 2. 同时新增一列“总和”计算每个人的三科成绩之和# 列名使用了中文 打印需要列对其的话 则需要设置这两个参数pd.set_option('display.unicode.ambiguous_as_wide', True) pd.set_option('display.unicode.east_asian_width', True)data"姓名": "", " ", " &quo

47、t;, "", "典韦", "典韦","语文": 66, 95, 95, 90, 80, 80,"英语": 65, 85, 92, 88, 90, 90,"数学": None, 98, 96, 77, 90, 90fi e:/J/geektime/唯一更新/ebook/数据分析实战 5讲/05丨 科学计算：Pandas html2019/2/17 17 25 2505丨科学计算：Pandasscore_tablepd.DataFrame(data, columns "

48、;姓名", "语文", "英语", "数学")print(score_table, "n")# 除去重复行score_table.drop_duplicates(inplace True) print(score_table, "n")# 添加 总分 列score_table.fillna(0, inplace True) # 将NaN替换为0score_table"总分" score_table"语文" score_table"英语&

49、quot; score_table"数学" print(score_table) 1赞作者回复2018-12-25 00:39: 6整理的不错的数学成绩的时候 没有唯一也可以用其他人的数学成绩平均值进行补全是 海 2018-12-24 12:33:35import pandas as pdfrom pandas import Series,DataFramedata '语文':66,95,95,90,80,80,'英语':65,85,92,88,90,90,'数学':None,98,96,77,90,90df DataFram

50、e(data,index ' ',' ',' ',' df df.drop_duplicates()df df.fillna(0) def plus(df):df'成绩综合' dfu'语文 dfu'英语 dfu'数学'return dfdf df.apply(plus,axis 1) print(df)','典韦','典韦 ,columns '语文','英语','数学')额 感觉 代码好简单 关于数学那个空值的处

51、理 我感觉有很多种这里用了最简单的一种 1赞nrvna 2018-12-24 08:46:34import pandas as pddata ':66,95,95,90,80,80,'English':65,85,92,88,90,90,'Math':None,98,96,77,90,90df pd.DataFrame(data, index 'ZhangFei', 'GuanYu', 'ZhaoYun', 'HuangZhong', DianWei', 'DianWei&#

52、39;) print(df)# Delete extra lines Replace null with 0 Add new column for total df df.drop_duplicates()df df.where(df.notnull(),0)# None will change 'Math' column to float, so that we need to clean it back. # is a DataFramedf Math' df Math .astype(int)''Method 1: Directly '&#

53、39;# df'Total' df # print(df)' df English' df'Math ''Method 2: apply a function ''def add_column(df):df'Total' df return df df English' df'Math'df df.apply(add_column,axis 1) print(df) 1赞U.均宇 2019-02-15 21:46:39代码df2' df2'.map(str.strip

54、) 只能输出'这一列的数值而如果这时执行print（df2） 还是原来的df2(没有去除空格前的状态)有没有类似如inplace True的办法 可以更改 的值呢？期待 解答草包雷 2019-02-15 16:00:40import pandas as pdfrom pandas import DataFramedata'语文': 66,95,95,90,80,80,'英语': 65,85,92,88,90,90,'数学': None,98,96,77,90,90df DataFrame(data, index ' ',

55、' ', ' ', ' ', '典韦','典韦', columns '语文', '英语', '数学 )df df.drop_duplicates() df df.fillna(0)def addtotal(df):df'总分 df'语文' df'英语' df'数学' return dfdf df.apply(addtotal,axis 1)print (df)语文 英语 数学 总分66.0 65.0 0.0 131.095.0 85.0 98.0 278.095.0 92.0 96.0 283.090.0 88.0 77.0 255.0典韦 80.0 90.0 90.0 260.0Dull 2019-02-13 22:32:21使用Pyhon3.7 Pycharm编写 最后使用sort_value.() 对总成绩进行降序排序# -*- coding: utf-8 -*- import pandas as pdfrom pandas import Series, DataFramedata ': 66, 95, 95, 90,80,80,'English': 65, 85,