Python是进行数据分析的一种出色语言,主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种,使导入和分析数据更加容易。
Pandas Index.argsort()
函数返回将对索引进行排序的整数索引。默认情况下,排序顺序已设置为递增顺序。
用法: Index.argsort(*args, **kwargs)
参数:
*args:传递给numpy.ndarray.argsort
**kwargs:传递给numpy.ndarray.argsort
返回:numpy.ndarray
如果用作索引器,则将对索引进行排序的整数索引
范例1:采用Index.argsort()
函数查找将对给定索引进行排序的索引顺序。
# importing pandas as pd
import pandas as pd
# Creating the Index
df = pd.Index([17, 69, 33, 5, 10, 74, 10, 5])
# Print the Index
df
输出:
让我们找到对索引进行排序的索引的顺序。
# to find the ordering of indices
# that would sort the df Index
df.argsort()
输出:
正如我们在输出中看到的那样,该函数已返回索引的顺序,该顺序将对给定的Index进行排序。我们可以通过基于顺序打印索引来验证这一点。
# Printing the Index based on the
# result of the argsort() function
df[df.argsort()]
输出:
正如我们在输出中看到的那样,它是按排序顺序打印的。
范例2:采用Index.argsort()
函数查找将对给定索引进行排序的索引顺序。
# importing pandas as pd
import pandas as pd
# Creating the Index
df = pd.Index(['Sam', 'Alex', 'Olivia',
'Dan', 'Brook', 'Katherine'])
# Print the Index
df
输出:
让我们找到对索引进行排序的索引的顺序。
# to find the ordering of indices
# that would sort the df Index
df.argsort()
输出:
正如我们在输出中看到的那样,该函数已返回索引的顺序,该顺序将对给定的Index进行排序。我们可以通过基于顺序打印索引来验证这一点。
# Printing the Index based on the
# result of the argsort() function
df[df.argsort()]
输出:
正如我们在输出中看到的那样,它是按排序顺序打印的。
相关用法
- Python pandas.map()用法及代码示例
- Python Pandas Series.str.len()用法及代码示例
- Python Pandas.factorize()用法及代码示例
- Python Pandas TimedeltaIndex.name用法及代码示例
- Python Pandas dataframe.ne()用法及代码示例
- Python Pandas Series.between()用法及代码示例
- Python Pandas DataFrame.where()用法及代码示例
- Python Pandas Series.add()用法及代码示例
- Python Pandas.pivot_table()用法及代码示例
- Python Pandas Series.mod()用法及代码示例
- Python Pandas Dataframe.at[ ]用法及代码示例
- Python Pandas Dataframe.iat[ ]用法及代码示例
- Python Pandas.pivot()用法及代码示例
- Python Pandas dataframe.mul()用法及代码示例
- Python Pandas.melt()用法及代码示例
注:本文由纯净天空筛选整理自Shubham__Ranjan大神的英文原创作品 Python | Pandas Index.argsort()。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。