Python財(cái)經(jīng)應(yīng)用：編程基礎(chǔ)、數(shù)據(jù)分析與可視化第六章Pandas數(shù)據(jù)處理分析中國(guó)農(nóng)業(yè)大學(xué)李輝Pandas數(shù)據(jù)處理分析01Pandas基本數(shù)據(jù)結(jié)構(gòu)02數(shù)據(jù)分析的基本流程03數(shù)據(jù)的導(dǎo)入與導(dǎo)出04數(shù)據(jù)預(yù)處理05數(shù)據(jù)分析方法06DataFrame的合并與連接Pandas數(shù)據(jù)處理分析01Pandas基本數(shù)據(jù)結(jié)構(gòu)02數(shù)據(jù)分析的基本流程03數(shù)據(jù)的導(dǎo)入與導(dǎo)出04數(shù)據(jù)預(yù)處理05數(shù)據(jù)分析方法06DataFrame的合并與連接6.1Pandas基本數(shù)據(jù)結(jié)構(gòu)第六章Pandas數(shù)據(jù)處理分析Pandas

數(shù)據(jù)處理分析在財(cái)經(jīng)數(shù)據(jù)分析領(lǐng)域，Pandas庫(kù)是Python核心數(shù)據(jù)分析工具，功能強(qiáng)大。本章節(jié)系統(tǒng)介紹Pandas在財(cái)經(jīng)數(shù)據(jù)分析中的應(yīng)用，包括數(shù)據(jù)結(jié)構(gòu)定義、數(shù)據(jù)導(dǎo)入導(dǎo)出、預(yù)處理以及高級(jí)分析方法等完整流程。本章先講解Series和DataFrame數(shù)據(jù)結(jié)構(gòu)定義與操作，為財(cái)經(jīng)數(shù)據(jù)存儲(chǔ)管理提供方案；再闡述數(shù)據(jù)導(dǎo)入導(dǎo)出技術(shù)，實(shí)現(xiàn)不同格式間無(wú)縫轉(zhuǎn)換。數(shù)據(jù)預(yù)處理部分探討缺失值、異常值、重復(fù)值處理方法，為后續(xù)分析奠定基礎(chǔ)。數(shù)據(jù)分析方法涵蓋基本統(tǒng)計(jì)、分組、分布等技術(shù)，揭示數(shù)據(jù)規(guī)律和業(yè)務(wù)洞察。本章節(jié)為財(cái)經(jīng)數(shù)據(jù)分析師提供系統(tǒng)化工具箱，助力高效決策支持。Pandas基本數(shù)據(jù)結(jié)構(gòu)Pandas是一個(gè)開(kāi)源的Python庫(kù)，它基于NumPy和Matplotlib構(gòu)建，并被譽(yù)為數(shù)據(jù)分析領(lǐng)域的“三劍客”之一（NumPy、Matplotlib、Pandas）。Pandas已逐漸成為Python數(shù)據(jù)分析中不可或缺的高級(jí)工具，旨在成為一個(gè)強(qiáng)大且靈活的數(shù)據(jù)分析工具，能夠支持多種編程語(yǔ)言。Pandas的名稱源自于“面板數(shù)據(jù)”（paneldsata）和“數(shù)據(jù)分析”（dataanalysis）兩個(gè)詞的結(jié)合。在經(jīng)濟(jì)學(xué)領(lǐng)域，PanelData指的是多維數(shù)據(jù)集的一種。Pandas最初被應(yīng)用于金融量化交易領(lǐng)域，如今其應(yīng)用范圍已廣泛擴(kuò)展至農(nóng)業(yè)、工業(yè)、交通等多個(gè)行業(yè)。Pandas主要包含兩種數(shù)據(jù)結(jié)構(gòu)：Series（系列）和DataFrame（數(shù)據(jù)框）。Series用于處理帶標(biāo)簽的一維數(shù)組，而DataFrame用于處理帶標(biāo)簽的二維數(shù)組。要使用Pandas庫(kù)，首先需要執(zhí)行導(dǎo)入操作：importpandasaspd#導(dǎo)入pandas模塊Pandas基本數(shù)據(jù)結(jié)構(gòu)——Series數(shù)據(jù)結(jié)構(gòu)定義與操作Series對(duì)象是Pandas庫(kù)的核心構(gòu)件之一，它由兩部分要素構(gòu)成：索引（index）和值（values）。索引充當(dāng)值的標(biāo)簽，為數(shù)據(jù)元素提供了一種標(biāo)識(shí)方式。默認(rèn)情況下：Series對(duì)象使用從0開(kāi)始的正整數(shù)作為索引，這些整數(shù)代表了數(shù)據(jù)在序列中的位置。Series也可以自定義索引，賦予其更具含義的標(biāo)識(shí)符，從而形成一種類似于字典的“鍵-值”對(duì)結(jié)構(gòu)，其中索引充當(dāng)鍵的角色。Pandas基本數(shù)據(jù)結(jié)構(gòu)——Series數(shù)據(jù)結(jié)構(gòu)定義與操作1.Series的工作原理Series是Pandas庫(kù)中的基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)，它在NumPy的ndarray基礎(chǔ)上進(jìn)行了功能擴(kuò)展。Series不僅支持通過(guò)下標(biāo)索引訪問(wèn)元素，也支持通過(guò)自定義的索引標(biāo)簽來(lái)存取數(shù)據(jù)。每個(gè)Series實(shí)例本質(zhì)上是由兩個(gè)數(shù)組構(gòu)成：一個(gè)用于存儲(chǔ)索引標(biāo)簽，另一個(gè)用于存儲(chǔ)對(duì)應(yīng)的值。2.索引（index）的工作原理索引是一個(gè)專門的索引對(duì)象，它負(fù)責(zé)維護(hù)數(shù)據(jù)的標(biāo)簽信息。在創(chuàng)建Series對(duì)象時(shí)，如果沒(méi)有明確指定索引，Pandas會(huì)自動(dòng)生成一個(gè)基于位置的索引，用以表示數(shù)據(jù)項(xiàng)的順序。Pandas基本數(shù)據(jù)結(jié)構(gòu)——Series數(shù)據(jù)結(jié)構(gòu)定義與操作3.值（values）的工作原理值是一個(gè)數(shù)組，它負(fù)責(zé)存儲(chǔ)Series對(duì)象中的數(shù)據(jù)元素。這個(gè)數(shù)組是Series數(shù)據(jù)內(nèi)容的載體，包含了所有實(shí)際的數(shù)據(jù)點(diǎn)。通過(guò)右圖來(lái)描述Series的結(jié)構(gòu)：右圖展示的是Series結(jié)構(gòu)表現(xiàn)形式，其索引位于左邊，數(shù)據(jù)位于右邊。Pandas基本數(shù)據(jù)結(jié)構(gòu)——Series數(shù)據(jù)結(jié)構(gòu)定義與操作利用Python列表、元組、字典、range對(duì)象和一維數(shù)組等可以創(chuàng)建一個(gè)Series對(duì)象。語(yǔ)法格式如下。Series(data,index,dtype)參數(shù)說(shuō)明：data：Series中的數(shù)據(jù)。index：自定義的索引標(biāo)識(shí)符。標(biāo)識(shí)符的個(gè)數(shù)要與數(shù)據(jù)個(gè)數(shù)相同。dtype：指定數(shù)據(jù)類型。創(chuàng)建系列對(duì)象后，可以使用索引、切片或列表作為下標(biāo)訪問(wèn)系列中的元素。Pandas基本數(shù)據(jù)結(jié)構(gòu)——Series數(shù)據(jù)結(jié)構(gòu)定義與操作【例6-1】利用Pandas的Series()方法創(chuàng)建Series對(duì)象與元素訪問(wèn)。

importpandasaspd#Series默認(rèn)索引使用從0開(kāi)始的數(shù)字作為索引s_obj_1=pd.Series(data=['庫(kù)存現(xiàn)金','銀行存款','其他貨幣資金'],name='貨幣資金')print(s_obj_1)#使用自定義索引創(chuàng)建Seriess_obj_2=pd.Series(data=['庫(kù)存現(xiàn)金','銀行存款','其他貨幣資金'],index=[1001,1002,1003],name='貨幣資金')print(s_obj_2)#使用字典創(chuàng)建Series，字典的鍵會(huì)被當(dāng)作索引輸出s_obj_3=pd.Series({'1001':'庫(kù)存現(xiàn)金','1002':'銀行存款','1003':'其他貨幣資金'})print(s_obj_3)print(s_obj_3['1001'])Pandas基本數(shù)據(jù)結(jié)構(gòu)——Series數(shù)據(jù)結(jié)構(gòu)定義與操作

0庫(kù)存現(xiàn)金1銀行存款2其他貨幣資金Name:貨幣資金,dtype:object1001庫(kù)存現(xiàn)金1002銀行存款1003其他貨幣資金Name:貨幣資金,dtype:object1001庫(kù)存現(xiàn)金1002銀行存款1003其他貨幣資金dtype:object庫(kù)存現(xiàn)金運(yùn)行結(jié)果如下：Pandas基本數(shù)據(jù)結(jié)構(gòu)——Series數(shù)據(jù)結(jié)構(gòu)定義與操作【例6-2】Series對(duì)象數(shù)據(jù)的修改與運(yùn)算。

importpandasaspdindex=['應(yīng)收賬款','應(yīng)付賬款','實(shí)收資本']data=[8500,39000,125000]s_obj=pd.Series(data=data,index=index,name='會(huì)計(jì)科目')print(s_obj)s_obj['應(yīng)收賬款']=85000#修改元素s_obj['庫(kù)存現(xiàn)金']=82000 #添加元素print(s_obj)print(s_obj.max())#查找元素中的最大值print(round(s_obj.mean(),1))#求均值，保留1位小數(shù)Pandas基本數(shù)據(jù)結(jié)構(gòu)——Series數(shù)據(jù)結(jié)構(gòu)定義與操作

應(yīng)收賬款8500應(yīng)付賬款39000實(shí)收資本125000Name:會(huì)計(jì)科目,dtype:int64應(yīng)收賬款85000應(yīng)付賬款39000實(shí)收資本125000庫(kù)存現(xiàn)金82000Name:會(huì)計(jì)科目,dtype:int6412500082750.0運(yùn)行結(jié)果如下：Pandas基本數(shù)據(jù)結(jié)構(gòu)——Series數(shù)據(jù)結(jié)構(gòu)定義與操作由上述例子可以看出，首先Series()方法中通過(guò)傳入一個(gè)列表來(lái)創(chuàng)建一個(gè)Series類對(duì)象，從輸出結(jié)果可以看出，左邊一列是索引右邊一列是數(shù)據(jù)，數(shù)據(jù)的類型是根據(jù)傳入的列表參數(shù)中元素的類型推斷出來(lái)的，即object?？梢栽趧?chuàng)建Series類對(duì)象的時(shí)候，為數(shù)據(jù)手動(dòng)指定索引。除了使用列表構(gòu)建Series類對(duì)象外，還可以使用dict進(jìn)行構(gòu)建。結(jié)果中輸出的dtype，是DataFrame數(shù)據(jù)的數(shù)據(jù)類型，int為整型，后面的數(shù)字表示位數(shù)。利用Python內(nèi)置函數(shù)、運(yùn)算符，以及Series對(duì)象方法操作Series對(duì)象。Pandas基本數(shù)據(jù)結(jié)構(gòu)——Series數(shù)據(jù)結(jié)構(gòu)定義與操作Series對(duì)象的索引可以是一個(gè)時(shí)間序列。使用Pandas庫(kù)中的date_range函數(shù)可以創(chuàng)建時(shí)間序列對(duì)象（DatetimeIndex）。語(yǔ)法格式如下：date_range(start,end,periods,freq)功能：根據(jù)指定的起止時(shí)間，創(chuàng)建時(shí)間序列對(duì)象。參數(shù)說(shuō)明如下：start、end：時(shí)間序列的起始時(shí)間和終止時(shí)間。periods：時(shí)間序列中包含的數(shù)據(jù)數(shù)量。freq：時(shí)間間隔，默認(rèn)為'D'（天）。間隔可以是'W'（周）、'H'（小時(shí)）等。start、end、periods三個(gè)參數(shù)只需要指定其中兩個(gè)（三選二）。Pandas基本數(shù)據(jù)結(jié)構(gòu)——Series數(shù)據(jù)結(jié)構(gòu)定義與操作【例6-3】創(chuàng)建時(shí)間序列對(duì)象示例。

importpandasaspd#間隔1天date_index_1=pd.date_range(start='20240204',end='20240206',freq='D')print("間隔一天的時(shí)間序列：\n",date_index_1)#間隔6小時(shí)date_index_2=pd.date_range(start='20240204',end='20240205',freq='6h')print("間隔6小時(shí)的時(shí)間序列：\n",date_index_2)#間隔1個(gè)月date_index_3=pd.date_range(start='20240204',freq='ME',periods=4)print("間隔一個(gè)月的時(shí)間序列：\n",date_index_3)height=[20,25,30,40]ser_height=pd.Series(height,index=date_index_3)#時(shí)間序列作為索引print("產(chǎn)品銷售數(shù)量：\n",ser_height)Pandas基本數(shù)據(jù)結(jié)構(gòu)——Series數(shù)據(jù)結(jié)構(gòu)定義與操作

間隔一天的時(shí)間序列：DatetimeIndex(['2024-02-04','2024-02-05','2024-02-06'],dtype='datetime64[ns]',freq='D')間隔6小時(shí)的時(shí)間序列：DatetimeIndex(['2024-02-0400:00:00','2024-02-0406:00:00','2024-02-0412:00:00','2024-02-0418:00:00','2024-02-0500:00:00'],dtype='datetime64[ns]',freq='6h')間隔一個(gè)月的時(shí)間序列：DatetimeIndex(['2024-02-29','2024-03-31','2024-04-30','2024-05-31'],dtype='datetime64[ns]',freq='ME')產(chǎn)品銷售數(shù)量：2024-02-29202024-03-31252024-04-30302024-05-3140Freq:ME,dtype:int64運(yùn)行結(jié)果如下：Pandas基本數(shù)據(jù)結(jié)構(gòu)——DataFrame數(shù)據(jù)結(jié)構(gòu)定義與操作DataFrame是一個(gè)二維表格結(jié)構(gòu)，包含index（行索引）、columns（列索引）和values（值）三部分。DataFrame中的一行稱為一條記錄（或樣本），一列稱為一個(gè)字段（或?qū)傩裕?。DataFrame中的每一列都是一個(gè)Series類型，存儲(chǔ)相同數(shù)據(jù)類型和語(yǔ)義的數(shù)據(jù)。DataFrame中每行的前面和每列的上面都有一個(gè)索引，用來(lái)標(biāo)識(shí)一行或一列，前者稱為index，后者稱為columns，如圖所示。默認(rèn)使用正整數(shù)作為索引（從0開(kāi)始），也可以自定義標(biāo)識(shí)符，作為行標(biāo)簽和列標(biāo)簽。列標(biāo)簽通常也稱為“字段名”或“列名”。Pandas基本數(shù)據(jù)結(jié)構(gòu)——DataFrame數(shù)據(jù)結(jié)構(gòu)定義與操作1.創(chuàng)建DataFrame利用Python字典、嵌套列表和二維數(shù)組等對(duì)象可以創(chuàng)建一個(gè)DataFrame對(duì)象。也可以通過(guò)導(dǎo)入文件的方法創(chuàng)建。語(yǔ)法格式如下：DataFrame(data,index,columns,dtype)pandas.DataFrame（data=None，index=None，columns=None，dtype=None）參數(shù)說(shuō)明如下：data：表示數(shù)據(jù)，可以使ndarray數(shù)組、series對(duì)象、列表、字典等。index：表示行標(biāo)簽（索引）。如果沒(méi)有傳入索引參數(shù)，則默認(rèn)會(huì)自動(dòng)創(chuàng)建一個(gè)從0～N的整數(shù)索引。columns：表示列標(biāo)簽（索引）。如果沒(méi)有傳入索引參數(shù)，則默認(rèn)會(huì)自動(dòng)創(chuàng)建一個(gè)從0～N的整數(shù)索引。dtype：每一列數(shù)據(jù)的數(shù)據(jù)類型，與Python數(shù)據(jù)類型有所不同。Pandas基本數(shù)據(jù)結(jié)構(gòu)——DataFrame數(shù)據(jù)結(jié)構(gòu)定義與操作2.查看DataFrame的基本信息通過(guò)DataFrame對(duì)象的屬性可以查看DataFrame的行標(biāo)簽、列標(biāo)簽、值項(xiàng)、數(shù)據(jù)類型、行數(shù)和列數(shù)以及DataFrame的形狀等信息。Pandas基本數(shù)據(jù)結(jié)構(gòu)——訪問(wèn)DataFrame數(shù)據(jù)元素DataFrame是一個(gè)二維表格結(jié)構(gòu)，與二維數(shù)組類似，可以通過(guò)下標(biāo)或布爾型索引訪問(wèn)。1.下標(biāo)訪問(wèn)（1）語(yǔ)法格式一DataFrame對(duì)象名.loc[行下標(biāo),列下標(biāo)]DataFrame對(duì)象名.iloc[行下標(biāo),列下標(biāo)]參數(shù)說(shuō)明如下：可以使用索引、標(biāo)簽、切片或列表作為下標(biāo)。loc表示完全基于標(biāo)簽名的選擇方式。iloc表示完全基于位置索引的選擇方式。如果選擇所有行，行下標(biāo)可表示為“:”。如果選擇所有列，列下標(biāo)可表示為“:”，也可以直接省略列下標(biāo)。Pandas基本數(shù)據(jù)結(jié)構(gòu)——訪問(wèn)DataFrame數(shù)據(jù)元素DataFrame是一個(gè)二維表格結(jié)構(gòu)，與二維數(shù)組類似，可以通過(guò)下標(biāo)或布爾型索引訪問(wèn)。1.下標(biāo)訪問(wèn)（2）語(yǔ)法格式二DataFrame對(duì)象名.at[行下標(biāo),列下標(biāo)]DataFrame對(duì)象名.iat[行下標(biāo),列下標(biāo)]在Pandas庫(kù)中，DataFrame對(duì)象提供了兩種不同的方法來(lái)訪問(wèn)或修改單個(gè)數(shù)據(jù)點(diǎn)，分別是.at和.iat。這兩種方法的主要區(qū)別在于它們?nèi)绾味ㄎ粩?shù)據(jù)：.at是用于通過(guò)行標(biāo)簽和列標(biāo)簽來(lái)訪問(wèn)或修改單個(gè)數(shù)據(jù)點(diǎn)的屬性。它適用于當(dāng)你知道具體的行和列的標(biāo)簽時(shí)。使用.at時(shí)，行和列的下標(biāo)必須是字符串或者可以轉(zhuǎn)換為標(biāo)簽的對(duì)象。.iat是用于通過(guò)行和列的整數(shù)位置（即下標(biāo)）來(lái)訪問(wèn)或修改單個(gè)數(shù)據(jù)點(diǎn)的屬性。它適用于當(dāng)你知道具體的行和列的整數(shù)位置時(shí)。使用.iat時(shí)，行和列的下標(biāo)必須是整數(shù)。這種方式用于選擇DataFrame中指定位置的一個(gè)值，只能用位置索引或標(biāo)簽作為下標(biāo)。Pandas基本數(shù)據(jù)結(jié)構(gòu)——訪問(wèn)DataFrame數(shù)據(jù)元素DataFrame是一個(gè)二維表格結(jié)構(gòu)，與二維數(shù)組類似，可以通過(guò)下標(biāo)或布爾型索引訪問(wèn)。1.下標(biāo)訪問(wèn)（3）語(yǔ)法格式三DataFrame對(duì)象名[下標(biāo)]這種方式用于選擇整行或整列數(shù)據(jù)。下標(biāo)為切片，表示選擇若干行；下標(biāo)為標(biāo)簽或標(biāo)簽列表，表示選擇若干列。Pandas基本數(shù)據(jù)結(jié)構(gòu)——訪問(wèn)DataFrame數(shù)據(jù)元素【例6-7】iat[]與.iat[]獲取單個(gè)值。

importpandasaspdpd.set_option('display.unicode.east_asian_width',True)data=[['庫(kù)存現(xiàn)金','資產(chǎn)','借',2000],['銀行存款','資產(chǎn)','借',3000],['應(yīng)付賬款','負(fù)債','貸',1500],['實(shí)收資本','所有者權(quán)益','貸',50000]]index=['1001','1002','2202','4001']columns=['科目名稱','科目類別','借貸方向','年初余額']df=pd.DataFrame(data=data,index=index,columns=columns)print('原數(shù)據(jù)：\n',df)print(df.at['1002','年初余額'])print(df.iat[1,3])Pandas基本數(shù)據(jù)結(jié)構(gòu)——訪問(wèn)DataFrame數(shù)據(jù)元素運(yùn)行結(jié)果如下：

原數(shù)據(jù)：科目名稱科目類別借貸方向年初余額1001庫(kù)存現(xiàn)金資產(chǎn)借20001002銀行存款資產(chǎn)借30002202應(yīng)付賬款負(fù)債貸15004001實(shí)收資本所有者權(quán)益貸5000030003000iat和at僅適用于標(biāo)量，因此非常快。iat和at僅給出單個(gè)值輸出。Pandas基本數(shù)據(jù)結(jié)構(gòu)——訪問(wèn)DataFrame數(shù)據(jù)元素DataFrame是一個(gè)二維表格結(jié)構(gòu)，與二維數(shù)組類似，可以通過(guò)下標(biāo)或布爾型索引訪問(wèn)。2.布爾型索引訪問(wèn)（1）語(yǔ)法格式一DataFrame對(duì)象名.loc[布爾型索引,列下標(biāo)]（2）語(yǔ)法格式二DataFrame對(duì)象名[布爾型索引]Pandas基本數(shù)據(jù)結(jié)構(gòu)——訪問(wèn)DataFrame數(shù)據(jù)元素布爾型索引是指通過(guò)一組布爾值（True或False）對(duì)DataFrame進(jìn)行取值操作，以選出滿足條件的元素。通常是利用條件運(yùn)算得到一組布爾值，條件表達(dá)式中可以使用關(guān)系運(yùn)算符、邏輯運(yùn)算符以及Pandas提供的條件判斷方法，如表所示。條件運(yùn)算符或數(shù)據(jù)框?qū)ο蟮姆椒ㄕf(shuō)明比較》、《、=、》=、《<=、!=比較運(yùn)算（大于、小于、等于、大于等于、小于等于、不等于）確定范圍between(n,m)在

n~m范圍內(nèi)，包含n和m確定集合isin(L)屬于列表L中的元素空值isnull()是空值（NaN）多重條件&與運(yùn)算，兩個(gè)條件同時(shí)成立，結(jié)果為

True|或運(yùn)算，有一個(gè)條件成立時(shí)，結(jié)果為True~非運(yùn)算，對(duì)條件取反Pandas基本數(shù)據(jù)結(jié)構(gòu)——訪問(wèn)DataFrame數(shù)據(jù)元素【例6-8】利用布爾型索引獲取數(shù)據(jù)。

importpandasaspdpd.set_option('display.unicode.east_asian_width',True)data_dict={'科目代碼':['1001','1002','2202','4001'],'科目名稱':['庫(kù)存現(xiàn)金','銀行存款','應(yīng)付賬款','實(shí)收資本'],'科目類別':['資產(chǎn)','資產(chǎn)','負(fù)債','所有者權(quán)益'],'借貸方向':['借','借','貸','貸'],'年初余額':[20000,30000,1500,50000]}#創(chuàng)建字典df=pd.DataFrame(data_dict)#基于字典創(chuàng)建DataFrame對(duì)象print('年初余額高于2000：\n',df[df.年初余額>2000])print('年初余額在30000和50000之間：\n',df[df.年初余額.between(30000,50000)])Pandas基本數(shù)據(jù)結(jié)構(gòu)——訪問(wèn)DataFrame數(shù)據(jù)元素運(yùn)行結(jié)果如下：

年初余額高于2000：科目代碼科目名稱科目類別借貸方向年初余額01001庫(kù)存現(xiàn)金資產(chǎn)借2000011002銀行存款資產(chǎn)借3000034001實(shí)收資本所有者權(quán)益貸50000年初余額在30000和50000之間：科目代碼科目名稱科目類別借貸方向年初余額11002銀行存款資產(chǎn)借3000034001實(shí)收資本所有者權(quán)益貸50000Pandas基本數(shù)據(jù)結(jié)構(gòu)——修改與刪除DataFrame數(shù)據(jù)元素通過(guò)賦值語(yǔ)句，可以直接修改DataFrame中的數(shù)據(jù)或者添加新的數(shù)據(jù)列。若要?jiǎng)h除行或刪除列，可以使用DataFrame對(duì)象的drop()方法。語(yǔ)法格式如下：drop(labels,axis,index,columns,inplace)參數(shù)說(shuō)明如下：labels：被刪除的行索引或列索引名稱，可傳一個(gè)標(biāo)簽或標(biāo)簽列表。axis：0表示行，1表示列，默認(rèn)為0。index：被刪除行的行索引。columns：被刪除列的列索引。inplace：布爾型參數(shù)。默認(rèn)inplace=False，表示返回一個(gè)新的DataFrame對(duì)象，當(dāng)前DataFrame對(duì)象不受影響；inplace=True，表示從當(dāng)前DataFrame對(duì)象中直接刪除（即原地刪除，返回空對(duì)象None）。Pandas基本數(shù)據(jù)結(jié)構(gòu)——DataFrame數(shù)據(jù)元素的排序DataFrame對(duì)象既可以按行索引或列索引排序，也可以按數(shù)值排序。1.按索引排序：使用DataFrame對(duì)象的sort_index()方法按行索引或列索引排序。語(yǔ)法格式如下：sort_index(axis,ascending,inplace)參數(shù)說(shuō)明如下：axis：排序的軸向。默認(rèn)axis=0，按index排序；axis=1，按columns排序。ascending：排序方式。默認(rèn)ascending=True，按升序排序；ascending=False，按降序排序。inplace：是否為原地排序。默認(rèn)inplace=False，返回新的DataFrame對(duì)象。需要注意的是，當(dāng)對(duì)DataFrame進(jìn)行排序操作時(shí)，要注意軸的方向。如果沒(méi)有指定axis參數(shù)的值，則默認(rèn)會(huì)按照行索引進(jìn)行排序；如果指定axis=1，則會(huì)按照列索引進(jìn)行排序。Pandas基本數(shù)據(jù)結(jié)構(gòu)——DataFrame數(shù)據(jù)元素的排序DataFrame對(duì)象既可以按行索引或列索引排序，也可以按數(shù)值排序。2.按值項(xiàng)排序：使用DataFrame對(duì)象的sort_values()方法按DataFrame中的數(shù)值排序。語(yǔ)法格式如下：sort_values(by,axis,ascending,inplace,na_position)參數(shù)說(shuō)明如下：by：排序依據(jù)。既可以是一項(xiàng)數(shù)據(jù)，也可以是一個(gè)列表（表示多級(jí)排序）。axis：排序的軸向。默認(rèn)axis=0，縱向排序；axis=1，橫向排序。ascending：排序方式，默認(rèn)ascending=True（升序）。na_position：空值排列的位置。默認(rèn)na_position='last'，表示空值排在最后面；na_position＝'first'表示空值排在最前面。Pandas基本數(shù)據(jù)結(jié)構(gòu)——DataFrame數(shù)據(jù)元素的排序

importpandasaspdpd.set_option('display.unicode.east_asian_width',True)data=[['庫(kù)存現(xiàn)金','資產(chǎn)','借',2000],['應(yīng)付賬款','負(fù)債','貸',1500],['銀行存款','資產(chǎn)','借',3000],['實(shí)收資本','所有者權(quán)益','貸',50000]]index=['1001','2202','1002','4001']columns=['科目名稱','科目類別','借貸方向','年初余額']df=pd.DataFrame(data=data,index=index,columns=columns)print('原數(shù)據(jù)：\n',df)df_1=df.sort_values(by='年初余額',ascending=False)#按列值降序排列print("按索引降序排列:\n",df_1