4.1 数据的排序与排名

课题4.1数据的排序与排名课型讲练授课班级大数据授课时数2教学目标1.能够对数据按照指定列排序。2.能够对数据按照指定列排名。3.理解排名函数rank中排名方法参数method的用法。教学重点1.能够对数据按照指定列排序。2.能够对数据按照指定列排名。教学难点1.理解排名函数rank中排名方法参数method的用法。学情分析对数据进行排序是数据分析的一种常用的方法，而且这种方法也常常和其他方法一起使用，比如在统计频数后，可以再按照方式进行排序。排序和排名在Excel中已经学过了，方法也类似。在数据分析时，对数据进行排序和排名是常用的一种操作。通过数据的排序和排名，比较容易发现数据的特征或趋势，找到解决问题的线索。除此之外，排序和排名还有助于对数据检查纠错，为数据的分组或分段等提供方便。一、数据排序数据排序是指数据按一定方式进行排列，通过数据排序可以更为方便地看出数据特征。DataFrame排序可以分为按索引排序和按某列值排序，索引排序是指按照DataFrame索引的值升序或降序的方式重新排列数据，而按列值排序是指可以按照DataFrame某一列的值升序或降序的方式重新排列数据。利用sort_index函数可对索引进行排序，而利用sort_values函数可对值进行排序。1.按索引排序 按索引排序是指DataFrame按照索引进行排序，索引排序可以使用sort_index函数，sort_index函数的一般用法如下：sort_index(ascending,inplace) 其中，ascending表示排序方式，True为升序排列，False为降序排列，默认是True，即默认是升序排序。示例代码如下：importnumpyasnpimportpandasaspdarr=np.arange(1,10).reshape(3,3)data=pd.DataFrame(arr,columns=['a','b','c'])data['d']=[3,4,2]data=data.set_index('d')print("初始数据为:\n",data)data_sort_index_1=data.sort_index(inplace=False)print("按索引升序排序的结果为:\n",data_sort_index_1)data_sort_index_2=data.sort_index(ascending=False,inplace=False)print("按索引降序排序的结果为:\n",data_sort_index_2)输出结果如图4-*所示。图4-*按索引排序示例结果2.按列值排序按列值排序是DataFrame按照某一列的值进行排序，值排序序可以使用sort_values函数，sort_values函数的一般用法为：sort_values(by,ascending,inplace)其中，by表示表示按照某一列或几列得值进行排序。ascending表示排序方式，True为升序排列，False为降序排列，默认是True，即默认是升序排序。示例代码如下：data=data.reset_index()#取消用户自定义索引，恢复成自动索引data['e']=[2,3,2]data=data[['a','b','c','d','e']]#重新排列原来的列print("初始数据为:\n",data)data_sort=data.sort_values(by=['e','d'],ascending=[False,False])print("按e、d两列降序排序的结果为:\n",data_sort)输出结果如图4-*所示。图4-*按列排序示例结果【结果分析】按e、d两列降序排序时，即先按e列降序排序，再按d列降序排序。只有当e列的值相同时（都为2），才会再按d列的值排序。。二、数据排名在实际工作中，经常需要对数据进行排名，比如对客户的销售金额进行排名，查看重点客户名单。排名函数在很多数据分析软件都有，如Excel中的rank函数。而在pandas中，也有类似的rank函数，该函数可以对DataFrame按照某列进行排名，其一般用法如下：rank(method,ascending)其中，method表示重复数值排名的处理方法。average表示整个相同排名组中平均排名。min表示整个相同排名组中的最小排名。max表示整个相同排名组中的最大排名。ascending表示排名顺序，True表示升序排列，False表示降序排列，默认是True。如一组数据6、5、5、2，在降序的情况下，数值6排名第1，数值2排名第4，重复的数值5占据排名第2和第3。如果按照平均排名，两个数值5都是排名2.5；如果按照最小排名，两个数值5都是排名2；如果按照最大排名，两个数值5都是排名3。在利用rank函数对数据进行排名时，还有一点需要注意，就是在对某一列进行排名，需要对该列进行去空处理，否则会报错。示例代码如下：print("初始数据为:\n",data)data['e_rank_avg']=data['e'].rank(method='average',ascending=False)print("降序排名时按平均排名的结果:\n",data)data.drop(labels='e_rank_avg',axis=1,inplace=True)data['e_rank_min']=data['e'].rank(method='min',ascending=False)print("降序排名时按最小排名的结果:\n",data)data.drop(labels='e_rank_min',axis=1,inplace=True)data['e_rank_max']=data['e'].rank(method='max',ascending=False)print("降序排名时按最大排名的结果:\n",data)输出结果如图4-*所示。图4-*数据排名示例结果任务实训任务1：利用read_excel导入supermarket.xlsx（supermarket.xlsx存放在c:\data路径中）中的“销售统计”工作表（第1张工作表），导入时将“客户ID”列设为索引，将导入数据命名为data1，完成：（1）按索引升序排序，输出前5个数据。（2）按列进行排序，先按“折扣”列降序排序，再按照“折扣金额”升序排序，输出前5个数据。任务1（1）具体代码如下：pd.set_option('display.max_columns',None)pd.set_option('display.width',None)pd.set_option('display.unicode.east_asian_width',True)data1=pd.read_excel("c:\data\supermarket.xlsx",index_col='客户ID')print("导入的数据为:\n",data1.head())result_sort_1=data1.sort_index().head()print("按索引升序排序的结果为:\n",result_sort_1)输出结果如图4-*所示。图4-*任务1（1）输出结果任务1（2）具体代码如下：result_sort_2=data1.sort_values(by=['折扣','折扣金额'],ascending=[False,True]).head()print("先按'折扣'列降序排序再按照'折扣金额'升序排序的结果为:\n",result_sort_2)输出结果如图3-*所示。图4-*任务1（2）输出结果任务2：将任务1的结果data1重新命名为data2，在“销售金额”列降序排序的情况下，统计“数量”列的排名，“数量”列排名方式为降序，如果“数量”列数据出现重复，采用最小排名。具体代码如下：data2=data1data2=data2.sort_values(by='销售金额',ascending=False)data2['数量排名']=data2['数量'].rank(method='min',ascending=False)print("排序和排名处理结果为:\n",data2.head())输出结果如图4-*所示。图4-*任务2输出结果巩固训练利用read_csv导入c:\data\score.csv，完成：（1）将“area”列中的“江苏-苏州”替换为0，“江苏-盐城”替换为1，“江苏-连云