ab = dict(zip(a, b))
# 根据字典的键进行排序(也就是第一个列表);也可以根据第二个列表进行排序。
# 具体是升序还是降序,自己挑着来。
ab_order = sorted(ab.items(), key=lambda x: x[0], reverse=
False)
python有自带的sorted函数。sorted 语法:
sorted(iterable, key=None, reverse=False)
iterable -- 可迭代对象。
key -- 主要是用来进行比较的元素,只有一个参数,具体的函数的参数就是取自于可迭代对象中,指定可迭代对象中的一个元素来进行排序。
reverse -- 排序规则,reverse = True 降序 , reverse = False 升序(默认)。
比如,对二维数组按照第一个元素排序:arr = list(sorted(arr, key=lambda x: x[0]))
sort_values(by,axis=0,ascending=True,inplace=False,kind='quicksort',na_position='last')
参数说明:
by: 可以填入字符串或者字符串组成的列表。也就是说, 如果axis=0,那么by="列名";如果axis=1,那么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,即纵向排序;如果axis=1,则按列排序,即横向排序。默认是axis=0 。
ascending: 输入布尔型, True是升序 , False是降序 ,也可以可以是[True,False],即第一个字段升序,第二个字段降序 。
inplace : 输入布尔型,是否用排序后的数据框替换现有的数据框
kind: 排序的方法,{‘quicksort’, ‘mergesort’, ‘heapsort’},默认是使用‘quicksort’。这个参数用的比较少,大家可以试一试。
na_position : {‘first’, ‘last’}, 缺失值的排序 ,也就说决定将缺失值放在数据的最前面还是最后面 。first是排在前面,last是排在后面,默认是用last 。
例子:
scores= pd.DataFrame([[87,56,85],[46,87,97],[34,65,86]],columns=['jack', 'rose', 'mike'])
scores
1.对‘rose’这一列进行降序排序:
df_sc=scores.sort_values(by='rose',ascending=False)
df_sc
2.对第0行进行升序排序:
scores.sort_values(by=0,axis=1,ascending=True)
3.第1行进行升序,第0行进行降序:
scores.sort_values(by=[1,0],axis=1,ascending=[True,False]
4.观察数据
data.head:
查看数据的前五行。
data.tail:
查看数据的后五行。
data.shape :
查看矩阵或数组的维数,或者是说数据表的结构(有几行几列)。
data.info :
查看数据的基本信息,如:数据类型、缺失值数量等。
#brand目标:中文-中英-英文
2.1 包含中文,纯英文
for i in range(0,len(file1)):
result = re.compile(u'[\u4e00-\u9fa5]')
contents = file1['brand'][i]
match = result.search(contents)
if match:
file1.loc[i,['index1']]=0 #0为包含中文
else:
file1.loc[i,['index1']]=1 #1为纯英文
2.1 包含英文,纯中文
for i in range(0,len(file1)):
file1.loc[i,['index2']]=len(re.findall('[a-zA-Z]+', file1['brand'][i]) ) #0为纯中文,1为包含英文