python給數據排名（python數據列表）

本文目錄一覽：

• 1、用python從561473957這一組數據中找出最大值和最小值,並從大到小排列的編程
• 2、用python對10個數進行排序
• 3、python數據分析使用的數據
• 4、python數據分析模塊：numpy、pandas全解
• 5、python數據同時排序
• 6、python3爬蟲爬取中國大學排名數據並寫入mysql數據庫並添加省分及添加

用python從561473957這一組數據中找出最大值和最小值,並從大到小排列的編程

li = [56, 14, 73, 95, 7]

print(‘最大值為:{},最小值為:{}’.format(max(li), min(li)))

print(sorted(li, reverse=True))

用python對10個數進行排序

sort_values(by, axis=0, ascending=True, inplace=False, kind=’quicksort’, na_position=’last’)

by: 可以填入字符串或者字符串組成的列表。也就是說，如果axis=0，那麼by=”列名”；如果axis=1，那麼by=”行名”。

axis: {0 or 『index』, 1 or 『columns』}, default 0，意思就是如果axis=0，就按照索引排序，即縱向排序；如果axis=1，則按列排序，即橫向排序。默認是axis=0。

ascending: 輸入布爾型，True是升序，False是降序，也可以可以是[True,False]，即第一個字段升序，第二個字段降序 。

inplace: 輸入布爾型，是否用排序後的數據框替換現有的數據框（這個在之前的文章寫過很多次了~）

kind: 排序的方法，{『quicksort』, 『mergesort』, 『heapsort』}，默認是使用『quicksort』。這個參數用的比較少，大家可以試一試。

na_position : {『first』, 『last』}，缺失值的排序，也就說決定將缺失值放在數據的最前面還是最後面。first是排在前面，last是排在後面，默認是用last。

創建數據表：

scores= pd.DataFrame([[87,56,85],[46,87,97],[34,65,86]],

     columns=[‘jack’, ‘rose’, ‘mike’])

scores

『rose』這一列進行降序排序：

df_sc=scores.sort_values(by=’rose’,ascending=False)

df_sc

『mike』這一列進行升序排序：

df_sc=scores.sort_values(by=’mike’,ascending=True)

df_sc

對第0行進行升序排序：

scores.sort_values(by=0,axis=1,ascending=True)

我們再嘗試對第1行進行升序，第0行進行降序：

scores.sort_values(by=[1,0],axis=1,ascending=[True,False]

python數據分析使用的數據

1、對數據進行排序df.sort_values()

#讀取數據

titanic_survival=pd.read_csv(r”C:Userspythonwandata_minepython_pandas itanic_train.csv”)

#用sort_values()函數對指定列排序，默認升序排序，inplace=True表示在原來的df上排序titanic_survival.sort_values((“Age”),inplace=Tru

2、缺失值判斷及統計pandas.isnull()、pandas.isnull

空值統計方法一：df.isnull().sum()：

#當不指定具體列時，統計整個df的缺失值個數

titanic_survival[‘Age’].isnull().sum()

通過len()函數統計缺失值

3、缺失值處理

處理缺失值可以分為兩類：刪除缺失值和缺失值插補。而缺失值插補又分為以下幾種：

均值/中位數/眾數插補

使用固定值（將缺失值的屬性用一個常量代替）

最近鄰插補（在記錄中找到與缺失值樣本最接近的樣本的該屬性插補）

回歸方法（對帶有缺失值的變量，根據已有數據和與其有關的其他變量建立擬合模型來預測缺失值）

插值法（利用已知點建立合適的插值函數f(x),未知值由對應點xi求出來近似代替）

下面，我們主要討論刪除缺失值，學習一些pandas缺失值刪除的操作。

1）df.dropna(),捨棄含有任意缺失值的行

#等價於titanic_survival.dropna(axis=0) axis=0表示刪除行，axis=1表示刪除列

dropall=titanic_survival.dropna()

刪除含任意空值的行

2）df.dropna()函數刪除某個列中含有空值的行

現在這個數據中age、cabin、embarked都有缺失值，如果我們直接使用df.dropna()會刪除掉這三列中都有空值的所有行，但是我們希望只刪除age列中有空值的數據，那該如何處理呢？

直接使用df.dropna(subset=[‘column_list’])

drop_age_null=titanic_survival.dropna(subset=[“Age”])

刪除指定列中含有缺失值的行

pandas自定義函數

python數據分析模塊：numpy、pandas全解

一維數組情況：

二維數組情況：

3參數情況：

2參數情況：

1參數情況：

一維情況：

二維情況：

一維情況：

二維情況：

一維情況：

二維情況：第三個參數指定維度

只查看行數、或者列數

逗號隔開兩個索引

某些行

某些列

可以看出append()函數在二維數組中添加元素，結果轉為了一維數組。

那怎麼保持二維數組呢？可以設置axis參數按行或者按列添加

可以看出先把二維數組降成了一維數組，再在索引為1的位置添加元素。

那麼怎麼保持在二維添加元素呢？ 同樣設置axis參數

也分按行和按列刪除

標記缺失值： isnan()函數

補充缺失值：

同樣axis參數可以指定拼接按行還是按列

2. hstack()函數：以水平堆疊的方式拼接數組

3. vstack()函數：以垂直堆疊的方式拼接數組

第二個參數還可以是數組，指定拆分的位置

hsplit()函數：橫向拆成幾個數組

vsplit()函數：縱向拆成幾個數組

數組與數組之間的運算

數組與數值的運算

可以指定整個數組求和，還是按行或者按列

axis=0：每一列的元素求和

axis=1：每一行的元素求和

axis=0：每一列求均值

axis=1：每一行求均值

axis=0：每一列求最大值

axis=1：每一行求最大值

pandas有兩個重要的數據結構對象：Series和DataFrame。

Series是創建一個一維數組對象，會自動生成行標籤。

會自動生成行列標籤

也可以用字典形式生成數據

在用字典生成數據的基礎上，同時指定行標籤

例如對下表的數據進行讀取

4月是第四個表，我們應把sheet_name參數指定為3；因為索引是從0開始的。

可以看出read_excel()函數自動創建了一個DataFrame對象，同時自動把第一行數據當做列標籤。

可以看出不給出header參數時，該參數默認為0。

header=1時結果如下：

header=None時結果如下：

index_col=0時，第0列為列標籤

index_col=0時

usecols=[2]：指定第二列

指定多列

數據如下：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-j1SHxY8y-1637655972909)(C:Users14051AppDataRoamingTypora ypora-user-imagesimage-20211114192949607.png)]

nrows=3時

head()函數中參數為空默認前5行

指定head(3)時如下

numpy模塊也是shape

查看特定列的書庫類型

特定列數據類型轉換

先查看一下所有數據

與單行相比，結果顯示的格式不一樣了

iloc()挑選：

或者給出區間

挑選數據要麼標籤，要麼索引挑選

或者

或者寫成區間

標籤挑選

或者索引挑選

先查看一下數據

或者用字典一對一修改

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-a6QKIoie-1637655972912)(C:Users14051AppDataRoamingTypora ypora-user-imagesimage-20211123110431201.png)]

isin()函數查看錶中是否有該值

查看特定列是否有該值

可以看出上述代碼並沒有替換，那怎麼替換呢？

末尾插入一列

指定插入到哪列

axis參數可以指定刪除行還是刪除列

指定標籤刪除

指定索引刪除

方法三

指定行標籤刪除

指定索引刪除

方法三：

先查看所有數據

info()函數查看數據類型，還可以查看是否有缺失值

isnull()函數查看是否有缺失值

在numpy模塊中用isnan()函數

刪除有缺失值的行

刪除整行都為缺失值的行： 需要指定how參數

不同列的缺失值設置不同的填充值

默認保留第一個重複值所在的行，刪除其他重複值所在的行

保留第一個重複值所在的行

保留最後一個重複值所在的行

是重複的就刪除

降序如下

參數指定first時，表示在數據有重複值時，越先出現的數據排名越靠前

獲取產品為單肩包的行數據

獲取數量60的行數據

獲取產品為單肩包 且 數量60 的行數據

獲取產品為單肩包 或 數量60 的行數據

stack()函數轉換成樹形結構

how參數指定外連接

on參數指定按哪一列合併

concat()函數採用 全連接 的方式，沒有的數設置為缺失值

重置行標籤

效果與concat()一樣

末尾添加行元素

指定列求和

指定列求均值

指定列求最值

獲取單列的

corr()函數獲取相關係數

獲取指定列與其他列的相關係數

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-46g9qgQw-1637655972913)(C:Users14051AppDataRoamingTypora ypora-user-imagesimage-20211123135643804.png)]

groupby()函數返回的是一個DataFrameBy對象，該對象包含分組後的數據，但是不能直觀地顯示出來。

分組後獲取指定列的匯總情況

獲取多列的匯總情況

獲取多列的情況

ta = pd.read_excel(『相關性分析.xlsx』)

print(data)

corr()函數獲取相關係數

獲取指定列與其他列的相關係數

[外鏈圖片轉存中…(img-46g9qgQw-1637655972913)]

groupby()函數返回的是一個DataFrameBy對象，該對象包含分組後的數據，但是不能直觀地顯示出來。

分組後獲取指定列的匯總情況

獲取多列的匯總情況

獲取多列的情況

python數據同時排序

Python列表具有內置的 list.sort()方法，可以在原地修改列表。 還有一個 sorted()內置的函數從迭代構建一個新的排序列表。在本文中，我們將探討使用Python排序數據的各種技術。

請注意，sort()原始數據被破壞，sorted()沒有對原始數據進行操作，而是新建了一個新數據。

一、基本的排序

最基本的排序很簡單。只要使用sorted()函數即可返回一個 新的排序的列表

sorted([5, 2, 3, 1, 4])

[1, 2, 3, 4, 5]

咱們也可以使用 list.sort()方法。該方法是對列表list進行的原地操作(原數據被修改，已經不是原來的本來面目)。一般情況下，不如使用 sorted()方便，但是如果你不需要原列表list，使用 sort()會更具效率。

a = [5, 2, 3, 1, 4]

a.sort()

a #a發生改變

[1, 2, 3, 4, 5]

另一個不同點， list.sort()方法只能應用於列表對象數據。而 sorted()卻可以對任何可迭代對象進行排序。也就是說sorted()更具有普遍使用性。這裡大燈建議初學者使用sorted()。

二、Key參數函數

list.sort()和 sorted()都有key參數，可以指定函數來對元素進行排序。

例如，這裡我們使用一個字符串(字符串也是可迭代對象)

sorted(“This is a test string from Andrew”.split(), key=str.lower)

python3爬蟲爬取中國大學排名數據並寫入mysql數據庫並添加省分及添加

網絡爬蟲（又稱為網頁蜘蛛，網絡機械人，在FOAF社區中間，更經常的稱為網頁追逐者），是一種按照一定的規則，自動地抓取萬維網信息的程序或者腳本。另外一些不常使用的名字還有螞蟻、自動索引、模擬程序或者蠕蟲。