最后一次更新日期： 2019/3/17
pandas是基于numpy的数据分析库，提供一些更易用的数据模型和大量高效的统计方法。
使用前先导入模块：
import pandas as pd
按需导入以下模块:
import numpy as np
import matplotlib.pyplot as plt
1. 直接与间接排序
In[5]: df=pd.DataFrame([[2,'a'],[1,'c'],[3,'b']],columns=['col1','col2'],index=[3,2,1])
In[6]: df
Out[6]:
col1 col2
3 2 a
2 1 c
1 3 b
In[7]: df.sort_index()
Out[7]:
col1 col2
1 3 b
2 1 c
3 2 a
In[8]: df.sort_values('col1')
Out[8]:
col1 col2
2 1 c
3 2 a
1 3 b
In [21]: df.loc[df['col2'].sort_values().index]
Out[21]:
col1 col2
3 2 a
1 3 b
2 1 c
sort_index方法可以按索引排序，axis参数指定排序的轴，默认0，level参数指定用于排序的多级索引的级别，默认None，ascending参数指定是否升序，默认True。
sort_values方法可以按指定键排序，by参数指定用于排序的键，axis参数指定排序的轴，默认0，ascending参数指定是否升序，默认True。
间接排序可通过loc方法传入排序后的标签索引实现，排序前两个数据模型的索引必须一致；iloc方法类似，需要传入经过numpy的argsort方法排序后的位置索引。
2. 去重
In[8]: df=pd.DataFrame({'a':[1,2,2,2],'b':[3,3,4,4]})
In[10]: df
Out[10]:
a b
0 1 3
1 2 3
2 2 4
3 2 4
In[11]: df.duplicated()
Out[11]:
0 False
1 False
2 False
3 True
dtype: bool
In[12]: df.drop_duplicates()
Out[12]:
a b
0 1 3
1 2 3
2 2 4
In[14]: df.drop_duplicates('a',keep='last')
Out[14]:
a b
0 1 3
3 2 4
duplicated方法用于返回标识去重结果的一维布尔数组，保留的项为True。subset参数指定参与去重的行或列标签，默认使用所有列；keep参数指定保留方式，'first'表示保留第一项，'last'表示保留最后一项，None表示不保留。
drop_duplicates方法用于返回去重结果。subset和keep参数的作用和duplicated一样。
