在这个项目实战中，我们将继续探讨dataframe的行列索引重排序操作。今天的重点是如何对dataframe进行索引排序和索引输出。让我们开始吧！
数据源
首先，我们需要构建一个DataFrame。我们使用字典来创建DataFrame，并通过
index
参数指定行名称。然后，我们通过
loc
方法添加一列，以展示后续排序的效果。
import pandas as pddict1 = {"e": [1, 2, 3, 4], "c": [11, 12, 13, 14], "b": [21, 22, 23, 24], "d": [31, 32, 33, 34]}df = pd.DataFrame(dict1, index=["j", "k", "h", "i"])df.loc[:, "a"] = [91, 92, 93, 94]print("df=n", df, "n")
运行结果：
索引排序
接下来，我们将展示如何对DataFrame的索引进行排序。
sort_index
方法可以用来对行索引或列索引进行排序。
df2 = df.sort_index(axis=0, ascending=True)print("df2=n", df2, "n")df3 = df.sort_index(axis=1, ascending=True)print("df3=n", df3, "n")
运行结果：
纳米搜索
纳米搜索：360推出的新一代AI搜索引擎
30 查看详情
索引输出
最后，我们将展示如何将DataFrame的索引转化为列表输出。我们可以使用
tolist()
方法或
index.values
属性来实现这一点。
ind = df.index.tolist()print("ind=", ind)print("ind类型", type(ind), "n")ind2 = df.index.valuesprint("ind2=", ind2)print("ind2类型", type(ind2))
运行结果：
通过以上步骤，我们成功地对DataFrame进行了索引排序和索引输出操作。这对于数据处理和分析非常有用，希望这些技巧能帮助您更好地管理和分析数据。
以上就是【项目实战】自监控-11-DataFrame索引操作（下篇）的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/374688.html
微信扫一扫 
支付宝扫一扫 
