如何利用 Pandas 实现行对齐和列对齐？

[fanqieipnet]

Pandas 使用行索引和列标签表达和分析数据，分别对应 axis=0, axis=1，行索引、列标签带来一些便捷的功能。那么如何利用 Pandas 实现行对齐和列对齐?今天番茄加速就来讲一下。

　　如果玩 Pandas，还没有注意到对齐 alignment，这个特性，那该好好看看接下来的分析。

　　基于行索引的对齐，与基于列标签的对齐，原理是一致的，它们其实相当于字典的 key，起到对齐数据作用。但是，这种说法抽象了些，没有例子不好想象出对齐的作用。

　　下面使用 google app store 重点分析“行对齐”功能，理解它后，列对齐也自然理解。

　　导入包：

　　 import pandas as pd

　　 import numpy as np

　　 import matplotlib.pyplot as plt

　　 import seaborn as sns

　　版本号：

　　 print(pd.__version__)

　　 print(np.__version__)

　　 print(sns.__version__)

　　 1.0.1

　　 1.18.1

　　 0.11.0

　　导入数据：

　　 df = pd.read_csv('kaggle-data/googleplaystore.csv')

　　 df.head(3)

　　图片

　　剔除一些异常数据后得到 df_normal，根据 Rating 为每个 app 排名

　　 rank = df_normal.Rating.rank(method='min',na_option='bottom',ascending=False)

　　 rank.head(3)

　　 method 参数指定：Rating 值相等时排名取小，na_option 指定空值排到最后，ascending 指定倒序

　　将上面得到的新列 rank 插入 df_normal 中：

　　 df_normal.insert(2,'rank', rank, allow_duplicates=True)

　　 df_normal.head(3)

　　因为 df_normal 和 rank 的行索引 index 都是从 0 开始的自增，所以即便没有自动对齐，也是准确的：

　　但是，你看下面的情况，自动对齐的方便性就能显示出来

　　根据 Reviews 列排序

　　### 根据 Reviews 次数从少到多排序

　　 df_by_reviews = df_normal.sort_values(by='Reviews')

　　 df_by_reviews.head(3)

　　得到 df_by_reviews，注意它的 index 不是按照从 0 自增

　　图片

　　此时在 df_by_reviews 中，插入 rank 还能确保数据对齐吗

　　### 此时插入排名 rank 列，数据会自动对其

　　 df_by_reviews.insert(3,'rank_copy',rank)

　　 df_by_reviews.head()

　　看到 rank 列 和 rank_copy 列相等，通过下面一行代码验证出来：

　　 len( df_by_reviews[ df_by_reviews['rank'] == df_by_reviews['rank_copy'] ]) == len(df_by_reviews)

　　由此可见，Pandas 已经为数据自动对齐。

　　但是，如果 rank 的 index 某些索引值没有出现在 df_by_reviews 中， 此时又会怎么对齐呢?

　　### 如果后者 index 序列中某些值没有出现在 df_by_reviews 的 index 中

　　### 举个例子

　　 df_test = pd.DataFrame({'a':[1,4,7],'b':[5,2,1]},index=[4,3,1])

　　 ser = pd.Series(index=[3,2,1],data=[0,9,8])

　　结果 ser 索引值 2 在 df_test 中找不到对应，故为 NaN

　　以上就是 Pandas 数据对齐的一个基本介绍，知道这些基本原理后再去使用 Pandas 做数据分析，心里才会更有谱。