Pandas Class

Um Python é uma excelente ferramenta para processamento de dados, graças a uma próspera comunidade de ferramentas python centradas em dados. Os pandas também são um desses programas e simplifica bastante a importação e análise de dados. Classificar os dados no Python pode ser feito de maneiras diferentes. Quando um usuário deseja classificar um conjunto de dados específico de acordo com alguma coluna específica, surge a pergunta. De acordo com a coluna fornecida, o método Sort_Values ​​() em pandas organiza um conjunto de dados na direção ascendente ou descendente. Difere do método Python classificado, pois não pode classificar um conjunto de dados e não pode escolher uma coluna específica. Portanto, decidimos escrever este artigo para simplificar a classificação com a função Sort_values ​​(). Vamos começar.

Exemplo 01:

Vamos começar com o nosso primeiro exemplo do artigo de hoje sobre a classificação dos quadros de dados dos pandas através das colunas. Para isso, você precisa adicionar o apoio do Panda no código com seu objeto "PD" e importar os pandas. Depois disso, iniciamos o código com a inicialização de um dicionário DIC1 com tipos mistos de pares -chave. A maioria deles é strings, mas a última chave contém a lista de tipos inteiros como seu valor. Agora, este dicionário DIC1 foi convertido em pandas Dataframe para exibi -lo na forma tabular de dados usando a função DataFrame (). O quadro de dados resultante será salvo na variável "D". A função de impressão está aqui para exibir o quadro de dados original no console Spyder 3 usando a variável "d". Agora, estamos utilizando a função Sort_Values ​​() através do quadro de dados “D” para classificá -lo de acordo com a ordem ascendente da coluna “C3” do quadro de dados e salvá -lo na variável D1. Este quadro de dados classificado D1 será impresso no console Spyder 3 com a ajuda do botão Executar.

importar pandas como PD
dic1 = 'C1': ['John', 'William', 'Laila'], 'C2': ['Jack', 'Worth', 'Sky'], 'C3': [36, 50, 25]
D = Pd.DataFrame (DIC1)
print ("\ n DataFrame original: \ n", d)
d1 = d.Sort_values ​​('C3')
Print ("\ n classificado pela coluna 3: \ n", d1)

Depois de executar este código, temos o quadro de dados original e depois o quadro de dados classificado de acordo com a ordem ascendente da coluna C3.

Digamos que você queira encomendar ou classificar o quadro de dados em ordem decrescente; Você pode fazer isso com a função Sort_Values ​​(). Você só precisa adicionar as ascendentes = false dentro de seus parâmetros. Então, tentamos o mesmo código com esta nova atualização. Além disso, desta vez, estamos classificando o quadro de dados de acordo com a ordem decrescente da coluna C2 e exibindo -a no console.

importar pandas como PD
dic1 = 'C1': ['John', 'William', 'Laila'], 'C2': ['Jack', 'Worth', 'Sky'], 'C3': [36, 50, 25]
D = Pd.DataFrame (DIC1)
print ("\ n DataFrame original: \ n", d)
d1 = d.Sort_Values ​​('C1', Ascendente = Falso)
Print ("\ n classificado em ordem decrescente da coluna 1: \ n", d1)

Depois de executar o código atualizado, temos o quadro original exibido no console. Depois disso, o quadro de dados classificado de acordo com a ordem decrescente da coluna C3 foi exibida.

Exemplo 02:

Vamos começar com outro exemplo para ver o funcionamento da função Sort_Values ​​() dos pandas. Mas este exemplo será um pouco diferente do exemplo acima. Estaremos classificando o quadro de dados de acordo com as duas colunas. Então, vamos iniciar este código com a biblioteca do Panda como importação "PD" na primeira linha. O dicionário do tipo inteiro DIC1 foi definido e possui teclas de tipo String. O dicionário foi novamente convertido em um quadro de dados usando a função Pandas Everlasting Dataframe () e salva na variável "D". O método de impressão exibirá o quadro de dados "D" no Spyder 3 Console. Agora, o quadro de dados será classificado usando a função "Sort_Values ​​()", pegando dois nomes de colunas, C1 e C2, I I.e. chaves. A ordem de classificação foi decidida como ascendente = verdadeiro. A declaração de impressão exibirá o quadro de dados atualizado e classificado "D" na tela da ferramenta Python.

importar pandas como PD
dic1 = 'C1': [3, 5, 7, 9], 'C2': [1, 3, 6, 8], 'C3': [23, 18, 14, 9]
D = Pd.DataFrame (DIC1)
print ("\ n DataFrame original: \ n", d)
d1 = d.Sort_Values ​​(por = ['C1', 'C2'], Ascendente = True)
Print ("\ n classificado em ordem decrescente da coluna 1 e 2: \ n", d1)

Depois que esse código foi concluído, executamos -o em Spyder 3 e obtivemos o resultado abaixo classificado de acordo com a ordem ascendente das colunas C1 e C2.

Exemplo 03:

Vamos dar uma olhada no último exemplo do uso da função sort_values ​​(). Desta vez, inicializamos um dicionário de duas listas de tipos diferentes, eu.e. cordas e números. O dicionário foi convertido em um conjunto de quadros de dados com a ajuda da função Pandas "DataFrame ()". O quadro de dados "d" foi impresso como é. Utilizamos a função “sort_values ​​()” duas vezes para classificar o quadro de dados de acordo com a coluna “Age” e a coluna “Nome” separadamente em duas linhas diferentes. Ambos os quadros de dados classificados foram impressos com o método de impressão.

importar pandas como PD
dic1 = 'nome': ['John', 'William', 'Laila', 'Bryan', 'Jees'], 'Age': [15, 10, 34, 19, 37]
D = Pd.DataFrame (DIC1)
print ("\ n DataFrame original: \ n", d)
d1 = d.Sort_Values ​​(por = 'Age', Na_Position = 'First')
Print ("\ n classificado em ordem ascendente da coluna 'idade': \ n", d1)
d1 = d.Sort_Values ​​(por = 'Nome', Na_Position = 'First')
print ("\ n classificado em ordem ascendente da coluna 'Nome': \ n", d1)

Depois de executar este código, temos o quadro de dados original exibido primeiro. Depois disso, o quadro de dados classificado de acordo com a coluna “Age” foi exibido. Por fim, o quadro de dados foi classificado de acordo com a coluna "nome" e exibido abaixo.

Conclusão:

Este artigo explicou lindamente o funcionamento da função "Sort_Values ​​()" do Panda para classificar qualquer quadro de dados de acordo com suas diferentes colunas. Vimos como classificar com uma única coluna para mais de 1 coluna no Python. Todos os exemplos podem ser implementados em qualquer ferramenta Python.