今天是pandas數(shù)據(jù)處理專題的第六篇文章，我們來聊聊DataFrame的排序與匯總運算。

在上一篇文章當(dāng)中我們主要介紹了DataFrame當(dāng)中的apply方法，如何在一個DataFrame對每一行或者是每一列進(jìn)行廣播運算，使得我們可以在很短的時間內(nèi)處理整份數(shù)據(jù)。今天我們來聊聊如何對一個DataFrame根據(jù)我們的需要進(jìn)行排序以及一些匯總運算的使用方法。

排序

排序是我們一個非?；镜男枨螅趐andas當(dāng)中將這個需求進(jìn)一步細(xì)分，細(xì)分成了根據(jù)索引排序以及根據(jù)值排序。我們先來看看Series當(dāng)中的排序方法。

Series當(dāng)中的排序方法有兩個，一個是sort_index，顧名思義根據(jù)Series中的索引對這些值進(jìn)行排序。另一個是sort_values，根據(jù)Series中的值來排序。這兩個方法都會返回一個新的Series：

索引排序

對于DataFrame來說也是一樣，同樣有根據(jù)值排序以及根據(jù)索引排序這兩個功能。但是由于DataFrame是一個二維的數(shù)據(jù)，所以在使用上會有些不同。最簡單的差別是在于Series只有一列，我們明確的知道排序的對象，但是DataFrame不是，它當(dāng)中的索引就分為兩種，分別是行索引以及列索引。所以我們在排序的時候需要指定我們想要排序的軸，也就是axis。

默認(rèn)的情況我們是根據(jù)行索引進(jìn)行排序，如果我們要指定根據(jù)列索引進(jìn)行排序，需要傳入?yún)?shù)axis=1。

我們還可以傳入ascending這個參數(shù)，用來指定我們想要的排序順序是正序還是倒序。

值排序

DataFrame的值排序有所不同，我們不能對行進(jìn)行排序，只能針對列。我們通過by參數(shù)傳入我們希望排序參照的列，可以是一列也可以是多列。

排名

有的時候我們希望得到元素的排名，我們會希望知道當(dāng)前元素在整體當(dāng)中排第幾，pandas當(dāng)中也提供了這個功能，它就是rank方法。

我們可以發(fā)現(xiàn)我們隨手輸入的一串?dāng)?shù)字當(dāng)中，包含兩個7，7是Series當(dāng)中最大的數(shù)字，但是它們的排名為什么是6.5呢？

其實很簡單，因為7出現(xiàn)了兩次，分別是第6位和第7位，這里對它所有出現(xiàn)的排名取了平均，所以是6.5。如果我們不希望它取平均，而是根據(jù)出現(xiàn)的先后順序給出排名的話，我們可以用method參數(shù)指定我們希望的效果。

method的合法參數(shù)并不止first這一種，還有一些其他稍微冷門一些的用法，我們一并列出。

如果是DataFrame的話，默認(rèn)是以行為單位，計算每一行中元素占整體的排名。我們也可以通過axis參數(shù)指定以列為單位計算：

匯總運算

最后我們來介紹一下DataFrame當(dāng)中的匯總運算，匯總運算也就是聚合運算，比如我們最常見的sum方法，對一批數(shù)據(jù)進(jìn)行聚合求和。DataFrame當(dāng)中同樣有類似的方法，我們一個一個來看。

首先是sum，我們可以使用sum來對DataFrame進(jìn)行求和，如果不傳任何參數(shù)，默認(rèn)是對每一行進(jìn)行求和。

除了sum之外，另一個常用的就是mean，可以針對一行或者是一列求平均。

由于DataFrame當(dāng)中常常會有為NA的元素，所以我們可以通過skipna這個參數(shù)排除掉缺失值之后再計算平均值。

另一個我個人覺得很好用的方法是descirbe，可以返回DataFrame當(dāng)中的整體信息。比如每一列的均值、樣本數(shù)量、標(biāo)準(zhǔn)差、最小值、最大值等等。是一個常用的統(tǒng)計方法，可以用來了解DataFrame當(dāng)中數(shù)據(jù)的分布情況。

除了介紹的這些方法之外，DataFrame當(dāng)中還有很多類似的匯總運算方法，比如idxmax，idxmin，var，std等等，大家感興趣可以去查閱相關(guān)文檔，但是根據(jù)我的經(jīng)驗一般用不到。