1、pandas使用sort_values排序

在创建DataFrame前，我们先生成随机数。（随机数在练习的时候很常用。) Numpy库的randn函数能生成多个随机数。

生成随机数

还可以用Numpy的arange函数 生成一个list，可以用作DataFrame的索引。我个人比较喜欢用arange，括号里是（起点值，终点值+1，步长）

生成列表作为索引

生成一个完整的DataFrame：

生成DataFrame

DataFrame有多个参数：data就是要转换成DataFrame的内容，很多数据类型都可以转换成DataFrame，比如：Series,字典，元组等等。如果是字典转换的话，“键”就默认是列名了。index是索引，columns是列名。

如果在转换成DataFrame时，没有指定index 和columns，系统会自动设定，都是从0开始的整数。

默认索引和列名

可以使用dtypes来查看各列的数据格式，info函数可以查看整个DataFrame的属性信息。

dtypes和info函数

查看前几行和后几行数据，括号里选择行的参数：

选择前后几行

对数值数据进行统计各类指标：

数值统计描述函数describe

一般分类数据用value_counts（后续会讲），数值数据用describe，这是最常用的两个统计函数。

选择数据的行、列索引和数值：

选择行、列索引和数值

行列转换：

转置函数T

还有一个转置函数unstack，用法有些许的区别。

unstack转置

对数据进行排序，用到了sort_values，by参数可以指定根据哪一列数据进行排序，ascending是设置升序和降序（选择多列或者多行排序要加[ ]，把选择的行列转换为列表，排序方式也可以同样的操作）。

排序 sort_values

sort_values其它参数：axis=0或者1 纵向排序还是横；na_position='last' 将空值排在最后；kind和inplace是排序的具体方式，一般数据用不到。

sort_values其它参数