pandas是基于NumPy构建的，含有使数据分析工作变得更快更简单的高级数据结构和操作工具。
from pandas import Series,DataFrame
import pandas as pd
pandas的数据结构介绍
主要数据结构：Series和DataFrame
Series：
是一种类似于一维数组的对象，它由一组数据（各种numpy数据类型）以及一组与之相关的数据标签（即索引）组成。
仅由一组数据即可产生最简单的Series:
In [32]: obj = Series([4, 7, -5, 3])
In [33]: obj
Out[33]:
0 4
1 7
2 -5
3 3
dtype: int64
Series的字符串表现形式：索引在左边，值在右边；由于没有指定索引，会自动创建一个0到N1的整数型索引；
可以通过Series的values和index属性获取其数组表示形式和索引对象：
In [34]: obj.values
Out[34]: array([ 4, 7, -5, 3])
In [35]: obj.index
Out[35]: RangeIndex(start=0, stop=4, step=1)
通常我们希望创建的Series带有一个可以对各个数据点进行标记的索引：
In [36]: obj2 = Series([4, 7, -5, 3], index=['d','b','a','c'])
In [37]: obj2
Out[37]:
d 4
b 7
a -5
c 3
dtype: int64
In [38]: obj2.index
Out[38]: Index(['d', 'b', 'a', 'c'], dtype='object'
与普通numpy数组相比，可以通过索引的方式选取Series中的单个或一组值：
In [39]: obj2['a']
Out[39]: -5
In [41]: obj2[['c','a','d']]
Out[41]:
c 3
a -5
d 4
dtype: int64
numpy数组运算都会保留索引和值之间的链接：
In [42]: obj2[obj2 > 0]
Out[42]:
d 4
b 7
c 3
dtype: int64
In [44]: np.exp(obj2)
Out[44]:
d 54.598150
b 1096.633158
a 0.006738
c 20.085537
dtype: float64
还可以将Series看成是一个定长的有序字典，因为它是索引值到数据值的一个映射：
In [45]: 'b' in obj2 In [46]: 'a' in obj2 In [47]: 'e' in obj2
Out[45]: True Out[46]: True Out[47]: False
如果数据被存放在一个Python字典中，可直接通过字典创建Series：
In [48]: sdata = {'Ohio': 35000, 'Texas': 71000, 'Oregon': 16000, 'Utah':5000}
In [49]: onj3 = Series(sdata)
In [50]: onj3
Out[50]:
Ohio 35000
Oregon 16000
Texas 71000
Utah 5000
dtype: int64
而且，传入的字典的键就是Series结果中的索引；
In [51]: states = ['California', 'Ohio', 'Oregon','Texas']
In [52]: obj4 = Series(sdata, index=states)
In [53]: obj4
Out[53]:
California NaN
Ohio 35000.0
Oregon 16000.0
Texas 71000.0
dtype: float64
sdata中跟states索引相匹配的值会被找出并放到相应位置，
NaN(非数字，not a number)在pandas中用于表示缺失（missing）或NA值，
pandas的isnull和notnull函数可用于检测缺失数据：
In [54]: pd.isnull(obj4)
Out[54]:
California True
Ohio False
Oregon False
Texas False
dtype: bool
In [55]: pd.notnull(obj4)
Out[55]:
California False
Ohio True
Oregon True
Texas True
dtype: bool
pandas中还有类似的实例方法：
In [56]: obj4.isnull()
Out[56]:
California True
Ohio False
Oregon False
Texas False
dtype: bool
对于许多应用而言，Series最重要的一个功能是：他在算数运算中会自动对齐不同索引的数据。
In [57]: onj3 In [58]: obj4
Out[57]: Out[58]:
Ohio 35000 California NaN
Oregon 16000 Ohio 35000.0
Texas 71000 Oregon 16000.0
Utah 5000 Texas 71000.0
dtype: int64 dtype: float64
In [59]: onj3 + obj4
Out[59]:
California NaN
Ohio 70000.0
Oregon 32000.0
Texas 142000.0
Utah NaN
dtype: float64
Series对象本身及其索引都有一个name属性，该属性跟pandas其他的关键功能关系非常密切：
In [60]: obj4.name = 'population'
In [61]: obj4.index.name = 'state'
In [62]: obj4
Out[62]:
state
California NaN
Ohio 35000.0
Oregon 16000.0
Texas 71000.0
Name: population, dtype: float64
Series的索引可以通过赋值的方式就地修改：
In [63]: obj.index = ['Bob', 'Steve', 'Jeff’, 'Ryan']
In [64]: obj
Out[64]:
Bob 4
Steve 7
Jeff -5
Ryan 3
dtype: int64
DataFrame:
DataFrame是一个表格型的数据结构，含有一组有序的列，每列可以是不同的值类型。既有行索引，也有列索引，可以被看做由Series组成的字典。
构建DataFrame：最常用的是直接传入一个由等长列表或NumPy数组组成的字典：
In [3]: data = {'state': ['Ohio', 'Ohio', 'Ohio', 'Nevada', 'Nevada'], 'year': [2000, 2001, 2002, 2001, 2002], 'pop': [1.5, 1.7, 3.6, 2.4, 2.9]}
In [4]: frame = DataFrame(data)
结果DataFrame会自动加上索引，且全部列会被有序排列：
In [5]: frame
Out[5]:
pop state year
0 1.5 Ohio 2000
1 1.7 Ohio 2001
2 3.6 Ohio 2002
3 2.4 Nevada 2001
4 2.9 Nevada 2002
如果指定了列序列，则按照指定顺序排列：
In [6]: DataFrame(data, columns=['year', 'state', 'pop'])
Out[6]:
year state pop
0 2000 Ohio 1.5
1 2001 Ohio 1.7
2 2002 Ohio 3.6
3 2001 Nevada 2.4
4 2002 Nevada 2.9
和Series一样，如果传入的列在数据中找不到，就会产生NA值：
In [9]: frame2 = DataFrame(data, columns=['year', 'state', 'pop', 'debt'], index=['one', 'two', 'three', 'four', 'five'])
In [10]: frame2
Out[10]:
year state pop debt
one 2000 Ohio 1.5 NaN
two 2001 Ohio 1.7 NaN
three 2002 Ohio 3.6 NaN
four 2001 Nevada 2.4 NaN
five 2002 Nevada 2.9 NaN
通过类似字典标记的方式或属性的方式，可以将DataFrame的列获取为一个Series(返回的Series拥有原DataFrame相同的索引，name属性相应的被设置好)：
In [11]: frame2['state']
Out[11]:
one Ohio
two Ohio
three Ohio
four Nevada
five Nevada
Name: state, dtype: object
列可以通过赋值的方式进行修改：
In [12]: frame2['debt'] = 18.5
In [13]: frame2
Out[13]:
year state pop debt
one 2000 Ohio 1.5 18.5
two 2001 Ohio 1.7 18.5
three 2002 Ohio 3.6 18.5
four 2001 Nevada 2.4 18.5
five 2002 Nevada 2.9 18.5
将列表或数组赋值给某个列时，其长度必须跟DataFrame的长度匹配；如果赋值的是一个Series，就会精确匹配DataFrame的索引，所有的空位都将被填上缺失值：
In [14]: val = Series([-1.2, -1.5, -1.7], index=['two', 'four', 'five'])
In [15]: frame2['debt'] = val
In [16]: frame2
Out[16]:
year state pop debt
one 2000 Ohio 1.5 NaN
two 2001 Ohio 1.7 -1.2
three 2002 Ohio 3.6 NaN
four 2001 Nevada 2.4 -1.5
five 2002 Nevada 2.9 -1.7
为不存在的列赋值会创建一个新的列；关键字del用于删除列：
In [17]: frame2['eastern'] = frame2.state == 'Ohio'
In [18]: frame2
Out[18]:
year state pop debt eastern
one 2000 Ohio 1.5 NaN True
two 2001 Ohio 1.7 -1.2 True
three 2002 Ohio 3.6 NaN True
four 2001 Nevada 2.4 -1.5 False
five 2002 Nevada 2.9 -1.7 False
In [19]: del frame2['eastern']
In [20]: frame2
Out[20]:
year state pop debt
one 2000 Ohio 1.5 NaN
two 2001 Ohio 1.7 -1.2
three 2002 Ohio 3.6 NaN
four 2001 Nevada 2.4 -1.5
five 2002 Nevada 2.9 -1.7
!!!!:通过索引方式返回的列只是相应数据的视图而已，不是副本；因此，对返回的Series做修改会反映到源数据上；
通过Series的copy方法可以显式地复制列。
如果将嵌套字典传给DataFrame，会被解释为：外层字典的键作为列，内层键作为行索引：
内层字典的键会被合并、排序以形成最终的索引：
In [21]: pop = {'Nevada': {2001: 2.4, 2002: 2.9}, 'Ohio': {2000: 1.5, 2001: 1.7, 2002: 3.6}}
In [22]: frame3 = DataFrame(pop)
In [23]: frame3
Out[23]:
Nevada Ohio
2000 NaN 1.5
2001 2.4 1.7
2002 2.9 3.6
DataFrame构造函数能接受的数据类型：见#2109
如果设置了DataFrame的index和columns的name属性：
In [25]: frame3.index.name = 'year'; frame3.columns.name = 'state'
In [26]: frame3
Out[26]:
state Nevada Ohio
year
2000 NaN 1.5
2001 2.4 1.7
2002 2.9 3.6
和Series一样，values属性也会以二维ndarray的形式返回DataFrame中的数据：
In [27]: frame3.values
Out[27]:
array([[ nan, 1.5],
[ 2.4, 1.7],
[ 2.9, 3.6]])
如果各列的数据类型不同，则值数组的数据类型就会选用能兼容所有列的数据类型：
In [28]: frame2.values
Out[28]:
array([[2000, 'Ohio', 1.5, nan],
[2001, 'Ohio', 1.7, -1.2],
[2002, 'Ohio', 3.6, nan],
[2001, 'Nevada', 2.4, -1.5],
[2002, 'Nevada', 2.9, -1.7]], dtype=object)
索引对象：
pandas的索引对象负责管理：轴标签，其他元数据（比如轴名称等）；
构建Series或DataFrame时，所用到的任何数组或其他序列的标签都会被转换成一个Index：
In [29]: obj = Series(range(3), index=['a', 'b', 'c'])
In [30]: index = obj.index
In [31]: index
Out[31]: Index(['a', 'b', 'c'], dtype='object')
index对象是不可修改的（immutable）：
不可修改性很重要，这样能够使Index对象在多个数据结构之间安全共享：
In [35]: index = pd.Index(np.arange(3))
In [36]: obj2 = Series([1.5, -2.5, 0], index=index)
In [37]: obj2.index is index
Out[37]: True
Index的功能类似一个固定大小的集合：
In [39]: frame3
Out[39]:
state Nevada Ohio
year
2000 NaN 1.5
2001 2.4 1.7
2002 2.9 3.6
In [40]: 'Ohio' in frame3.columns
Out[40]: True
In [41]: 2003 in frame3.index
Out[41]: False
每个索引都有一些方法和属性，他们可用于设置逻辑并回答有关该索引所包含的数据的常见问题：
见#2139
基本功能：
（介绍操作Series和DataFrame中的数据的基本手段，常用的重要功能）
重新索引：
reindex，创建一个适应新索引的新对象，即根据新索引进行重排；当前不存在值的索引引入缺失值：
In [42]: obj = Series([1, 2.4, 4.6, 7], index=['c', 'd', 'a', 'b'])
In [43]: obj
Out[43]:
c 1.0
d 2.4
a 4.6
b 7.0
dtype: float64
In [44]: obj2 = obj.reindex(['a', 'b', 'c', 'd', 'e'])
In [45]: obj2
Out[45]:
a 4.6
b 7.0
c 1.0
d 2.4
e NaN
dtype: float64
对于时间序列这样的有序数据，重新索引时可能需要做一些插值处理。
method选项可以达到目的，例如ffill可以实现前向值填充：
- ffill/pad:前向填充值；
- bfill/backfill：后项值填充；
In [46]: obj3 = Series(['blue', 'yellow', 'purple'], index=[0, 2, 4])
In [47]: obj3.reindex(range(6), method='ffill')
Out[47]:
0 blue
1 blue
2 yellow
3 yellow
4 purple
5 purple
dtype: object
对于DataFrame，reindex可以修改行索引、列或两个都修改。
如果只传入一个序列，则会重新索引行：
In [49]: frame = DataFrame(np.arange(9).reshape((3, 3)), index=['a', 'c', 'd'], columns=['Ohio', 'Texas', 'California'])
In [50]: frame
Out[50]:
Ohio Texas California
a 0 1 2
c 3 4 5
d 6 7 8
In [51]: frame2 = frame.reindex(['a', 'b', 'c', 'd'])
In [52]: frame2
Out[52]:
Ohio Texas California
a 0.0 1.0 2.0
b NaN NaN NaN
c 3.0 4.0 5.0
d 6.0 7.0 8.0
使用columns关键字即可重新索引列：
In [53]: states = ['Texas', 'Utah', 'California']
In [54]: frame.reindex(columns=states)
Out[54]:
Texas Utah California
a 1 NaN 2
c 4 NaN 5
d 7 NaN 8
同时对行和列重新索引，插值只能按行应用（轴0），列不填充：
frame.reindex(index=['a', 'b', 'c', 'd'], columns=['Texas', 'Utah', 'Ca ...: lifornia'])
利用ix的标签索引功能，重新索引任务可以变得更简洁：
In [58]: frame.ix[['a','b','c','d'], states]
Out[58]:
Texas Utah California
a 1.0 NaN 2.0
b NaN NaN NaN
c 4.0 NaN 5.0
d 7.0 NaN 8.0
reindex函数的参数见#2176
丢弃指定轴上的项：
传入一个索引数组或列表即可，由于需要执行一些数据整理和集合逻辑，所以drop方法返回的是一个在制定轴上删除了指定值的新对象：
In [60]: obj = Series(np.arange(5.), index=['a', 'b', 'c', 'd', 'e'])
In [61]: new_obj = obj.drop('c')
In [62]: new_obj
Out[62]:
a 0.0
b 1.0
d 3.0
e 4.0
dtype: float64
In [63]: obj.drop(['d', 'c'])
Out[63]:
a 0.0
b 1.0
e 4.0
dtype: float64
对于DataFrame，可以删除任意轴上的索引值：
In [64]: data = DataFrame(np.arange(16).reshape((4,4)), index=['Ohio', 'Colorado', 'Utah', 'New York'], columns=['one', 'two
...: ', 'three', 'four'])
In [65]: data.drop(['Colorado', 'Ohio'])
Out[65]:
one two three four
Utah 8 9 10 11
New York 12 13 14 15
In [66]: data.drop('two', axis=1)
Out[66]:
one three four
Ohio 0 2 3
Colorado 4 6 7
Utah 8 10 11
New York 12 14 15
说明：
实际上axis = 1，指的是沿着行求所有列的平均值，代表了横轴，那axis = 0，就是沿着列求所有行的平均值，代表了纵轴。
0，1轴示意图
那这样的话，drop就是沿着'two'的方向删除对应的轴标签为axis = 1的值。
索引、选取和过滤：
Series索引（obj[…]）的工作方式类似于NumPy数组的索引，只不过Series的索引值不只是整数:
In [67]: obj = Series(np.arange(4.), index=['a', 'b', 'c', 'd'])
In [68]: obj[2:4]
Out[68]:
c 2.0
d 3.0
dtype: float64
In [69]: obj[['b', 'a', 'd']]
Out[69]:
b 1.0
a 0.0
d 3.0
dtype: float64
利用标签的切片运算与普通的Python切片运算不同，其末端是包含的（inclusive），即封闭区间：
In [70]: obj['b':'d']
Out[70]:
b 1.0
c 2.0
d 3.0
dtype: float64
设置的方式也很简单：
In [71]: obj['b':'c'] = 5
In [72]: obj
Out[72]:
a 0.0
b 5.0
c 5.0
d 3.0
dtype: float64
对DataFrame进行索引其实就是获取一个或多个列：
In [73]: data
Out[73]:
one two three four
Ohio 0 1 2 3
Colorado 4 5 6 7
Utah 8 9 10 11
New York 12 13 14 15
In [74]: data[['one', 'three']]
Out[74]:
one three
Ohio 0 2
Colorado 4 6
Utah 8 10
New York 12 14
这种索引方式有几个特殊的情况：
- 通过切片或布尔型数组选取行：
In [76]: data[2:]
Out[76]:
one two three four
Utah 8 9 10 11
New York 12 13 14 15
n [77]: data[data['three'] > 5]
Out[77]:
one two three four
Colorado 4 5 6 7
Utah 8 9 10 11
New York 12 13 14 15
- 通过布尔型
DataFrame进行索引：
In [78]: bool = data < 5
In [79]: bool
Out[79]:
one two three four
Ohio True True True True
Colorado True False False False
Utah False False False False
New York False False False False
In [80]: data[bool] = 0
In [81]: data
Out[81]:
one two three four
Ohio 0 0 0 0
Colorado 0 5 6 7
Utah 8 9 10 11
New York 12 13 14 15
索引字段ix可以通过NumPy式的标记法以及轴标签从DataFrame中选取行和列的子集：
loc获取行子集，iloc通过行号获取，ix综合两者：
In [84]: data.ix['Colorado', ['two', 'four']]
Out[84]:
two 5
four 7
Name: Colorado, dtype: int64
算术运算和数据对齐：
pandas可以对不同索引的对象进行算术运算，如果存在不同的索引对，结果取并集：
自动对齐操作在不重叠的所引处引入NA值。
In [87]: s1 = Series([7.3, -2.5, 3.4, 1.5], index=['a', 'c', 'd', 'e'])
In [88]: s2 = Series([-2.1, 3.6, -1.5, 4, 3.1], index=['a', 'c', 'e', 'f', 'g’])
In [89]: s1
Out[89]:
a 7.3
c -2.5
d 3.4
e 1.5
dtype: float64
In [90]: s2
Out[90]:
a -2.1
c 3.6
e -1.5
f 4.0
g 3.1
dtype: float64
In [91]: s1 + s2
Out[91]:
a 5.2
c 1.1
d NaN
e 0.0
f NaN
g NaN
dtype: float64
对于DataFrame，对齐操作会同时发生在行和列上:
相加后会返回一个新的DataFrame，其索引和列为原来的那两个DataFrame的并集：
In [94]: df1 = DataFrame(np.arange(9).reshape((3,3)), columns=list('bcd'), index
...: =['Ohio', 'Texas', 'Colorado'])
In [95]: df2 = DataFrame(np.arange(12).reshape((4,3)), columns=list('bde'), inde
...: x=['Utah', 'Ohio', 'Texas', 'Oregon'])
In [96]: df1
Out[96]:
b c d
Ohio 0 1 2
Texas 3 4 5
Colorado 6 7 8
In [97]: df2
Out[97]:
b d e
Utah 0 1 2
Ohio 3 4 5
Texas 6 7 8
Oregon 9 10 11
In [98]: df1 + df2
Out[98]:
b c d e
Colorado NaN NaN NaN NaN
Ohio 3.0 NaN 6.0 NaN
Oregon NaN NaN NaN NaN
Texas 9.0 NaN 12.0 NaN
Utah NaN NaN NaN NaN
在算数方法中填充值：
在对不同索引的对象进行算术运算时，当一个对象中某个轴标签在另一个对象中找不到时填充一个特殊值：
使用df1的add方法（sub\div\mul），传入df2以及一个fill_value参数
In [99]: df1 = DataFrame(np.arange(12.).reshape((3,4)), columns=list('abcd'))
In [100]: df2 = DataFrame(np.arange(20.).reshape((4,5)), columns=list('abcde'))
In [101]: df1
Out[101]:
a b c d
0 0.0 1.0 2.0 3.0
1 4.0 5.0 6.0 7.0
2 8.0 9.0 10.0 11.0
In [102]: df2
Out[102]:
a b c d e
0 0.0 1.0 2.0 3.0 4.0
1 5.0 6.0 7.0 8.0 9.0
2 10.0 11.0 12.0 13.0 14.0
3 15.0 16.0 17.0 18.0 19.0
In [103]: df1.add(df2, fill_value=0)
Out[103]:
a b c d e
0 0.0 2.0 4.0 6.0 4.0
1 9.0 11.0 13.0 15.0 9.0
2 18.0 20.0 22.0 24.0 14.0
3 15.0 16.0 17.0 18.0 19.0
DataFrame和Series之间的运算：
广播（broadcasting）：
In [104]: arr = np.arange(12).reshape((3,4))
In [105]: arr
Out[105]:
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
In [106]: arr[0]
Out[106]: array([0, 1, 2, 3])
In [107]: arr - arr[0]
Out[107]:
array([[0, 0, 0, 0],
[4, 4, 4, 4],
[8, 8, 8, 8]])
默认情况下，DataFrame和Series之间的算术运算会将Series的索引匹配到DataFrame的列，然后沿着行一直向下广播：
In [108]: frame = DataFrame(np.arange(12).reshape((4,3)), columns=list('bde'), index=['Utah', 'Ohio', 'Texas', 'Oregon'])
In [111]: series = frame.iloc[0]
In [112]: frame
Out[112]:
b d e
Utah 0 1 2
Ohio 3 4 5
Texas 6 7 8
Oregon 9 10 11
In [113]: series
Out[113]:
b 0
d 1
e 2
Name: Utah, dtype: int64
In [114]: frame - series
Out[114]:
b d e
Utah 0 0 0
Ohio 3 3 3
Texas 6 6 6
Oregon 9 9 9
如果某个索引值在DataFrame的列或Series的索引中找不到，则参与运算的两个对象就会被重新索引以形成并集：
In [115]: series2 = Series(range(3), index=['b', 'e', 'f'])
In [116]: frame + series2
Out[116]:
b d e f
Utah 0.0 NaN 3.0 NaN
Ohio 3.0 NaN 6.0 NaN
Texas 6.0 NaN 9.0 NaN
Oregon 9.0 NaN 12.0 NaN
如果希望匹配行且在列上广播，则必须使用算术运算方法：
传入的轴号就是希望匹配的轴
In [117]: series3 = frame['d']
In [118]: frame
Out[118]:
b d e
Utah 0 1 2
Ohio 3 4 5
Texas 6 7 8
Oregon 9 10 11
In [119]: series3
Out[119]:
Utah 1
Ohio 4
Texas 7
Oregon 10
Name: d, dtype: int64
In [120]: frame.sub(series3, axis=0)
Out[120]:
b d e
Utah -1 0 1
Ohio -1 0 1
Texas -1 0 1
Oregon -1 0 1
函数应用和映射：
NumPy的ufuncs（元素级数组方法）也可用于操作pandas对象：
In [122]: frame = DataFrame(np.random.randn(4, 3), columns=list('bde'), index=['Utah'
...: , 'Ohio', 'Texas', 'Oregon'])
In [123]: frame
Out[123]:
b d e
Utah 0.811566 1.357208 -0.603041
Ohio 0.149760 1.201341 -0.147990
Texas 1.040389 0.413789 1.399404
Oregon -0.553470 -0.666800 -0.463801
In [124]: np.abs(frame)
Out[124]:
b d e
Utah 0.811566 1.357208 0.603041
Ohio 0.149760 1.201341 0.147990
Texas 1.040389 0.413789 1.399404
Oregon 0.553470 0.666800 0.463801
另一个常见的操作是，将函数应用到由各列或行所形成的一维数组上；
DataFrame的apply方法即可实现此功能：
In [125]: f = lambda x:x.max() - x.min()
In [126]: frame.apply(f)
Out[126]:
b 1.593859
d 2.024008
e 2.002445
dtype: float64
In [128]: frame.apply(f, axis=1)
Out[128]:
Utah 1.960249
Ohio 1.349331
Texas 0.985615
Oregon 0.202998
dtype: float64
除了标量值外，传递给apply的函数还可以返回由多个值组成的Series：
In [129]: def f(x):
...: return Series([x.min(), x.max()], index=['min', 'max'])
...:
In [130]: frame.apply(f)
Out[130]:
b d e
min -0.553470 -0.666800 -0.603041
max 1.040389 1.357208 1.399404
此外，元素级的python函数也是可以用的。假如你想得到frame中各个浮点值的格式化字符串，使用applymap即可：
In [131]: format = lambda x: '%.2f' %x
In [132]: frame.applymap(format)
Out[132]:
b d e
Utah 0.81 1.36 -0.60
Ohio 0.15 1.20 -0.15
Texas 1.04 0.41 1.40
Oregon -0.55 -0.67 -0.46
之所以叫applymap，是因为Series有一个用于元素级函数的map方法：
In [133]: frame['e'].map(format)
Out[133]:
Utah -0.60
Ohio -0.15
Texas 1.40
Oregon -0.46
Name: e, dtype: object
排序和排名：
根据条件对数据集排序（sorting）也是一种重要的内置运算。
对行或列索引进行排序（按字典顺序），可使用sort_index方法，他将返回一个已排序的新对象：
In [134]: obj = Series(range(4), index=['d', 'a', 'b', 'c'])
In [135]: obj.sort_index()
Out[135]:
a 1
b 2
c 3
d 0
dtype: int64
而对于DtaFrame，则可以根据任意一个轴上的索引进行排序：
In [136]: frame = DataFrame(np.arange(8).reshape((2, 4)), index=['three', 'one'], columns=['d', 'a', 'b', 'c'])
In [137]: frame.sort_index()
Out[137]:
d a b c
one 4 5 6 7
three 0 1 2 3
In [138]: frame.sort_index(axis=1)
Out[138]:
a b c d
three 1 2 3 0
one 5 6 7 4
数据默认是按升序排列的，也可以按降序排列：
In [140]: frame.sort_index(axis=1, ascending=False)
Out[140]:
d c b a
three 0 3 2 1
one 4 7 6 5
若要对Series按值进行排序，sort_values方法：
排序时任何缺失值默认都会放到末尾：
In [141]: obj = Series([4, 7, -3, 2])
In [145]: obj.sort_values()
Out[145]:
2 -3
3 2
0 4
1 7
dtype: int64
在DataFrame上，根据一个或多个列中的值进行排序，将一个或多个列的名字传递给 by 选项：
In [146]: frame = DataFrame({'b': [4, 7, -3, 2], 'a': [0, 1, 0, 1]})
In [149]: frame.sort_values(by='b')
Out[149]:
a b
2 0 -3
3 1 2
0 0 4
1 1 7
根据多个列排序，传入名称的列表即可：
In [150]: frame.sort_values(by=['a', 'b'])
Out[150]:
a b
2 0 -3
0 0 4
3 1 2
1 1 7
排名（ranking）跟排序关系密切，且他会增设一个排名值（从1开始），它会根据某种规则破坏平级关系：
rank方法，默认情况下rank是通过“为各组分配一个平均排名”的方式破坏平级关系：
In [151]: obj = Series([7, -5, 7, 4, 2, 0, 4])
In [152]: obj.rank()
Out[152]:
0 6.5
1 1.0
2 6.5
3 4.5
4 3.0
5 2.0
6 4.5
dtype: float64
也可以根据值在原数据中出现的顺序给出排名：
method = ‘average’/‘min’/‘max’/‘first’:
In [154]: obj.rank(method='first')
Out[154]:
0 6.0
1 1.0
2 7.0
3 4.0
4 3.0
5 2.0
6 5.0
dtype: float64
In [155]: obj.rank(ascending=False, method='max')
Out[155]:
0 2.0
1 7.0
2 2.0
3 4.0
4 5.0
5 6.0
6 4.0
dtype: float64
DataFrame可以在行或列上计算排名：
In [156]: frame = DataFrame({'b':[4.3, 7, -3, 2], 'a':[0, 1, 0, 1], 'c':[-2, 5, 8, -2.5]})
In [157]: frame
Out[157]:
a b c
0 0 4.3 -2.0
1 1 7.0 5.0
2 0 -3.0 8.0
3 1 2.0 -2.5
In [158]: frame.rank(axis=1)
Out[158]:
a b c
0 2.0 3.0 1.0
1 1.0 3.0 2.0
2 2.0 1.0 3.0
3 2.0 3.0 1.0
带有重复值的轴索引:
index的 is_unique 属性可以告诉它的值是否唯一：
In [159]: obj = Series(range(5), index=['a', 'a', 'b', 'b', 'c'])
In [160]: obj
Out[160]:
a 0
a 1
b 2
b 3
c 4
dtype: int64
In [161]: obj.index.is_unique
Out[161]: False
如果某个索引对应多个值，则返回一个Series；而对应单个值的，则返回一个标量值：
In [162]: obj['a']
Out[162]:
a 0
a 1
dtype: int64
In [163]: obj['c']
Out[163]: 4
对DataFrame的行进行索引时也是如此：
In [164]: df = DataFrame(np.random.randn(4, 3), index=['a', 'a', 'b', 'b'])
In [165]: df
Out[165]:
0 1 2
a -0.418238 0.816369 -1.476190
a 0.429244 1.026073 -1.226708
b -0.545915 -0.924662 2.804594
b 0.325699 -0.584846 -1.192865
In [166]: df.loc['b']
Out[166]:
0 1 2
b -0.545915 -0.924662 2.804594
b 0.325699 -0.584846 -1.192865
