怪异的熊猫数据操作

Question

我正在阅读Wes Mckinney的数据分析Python，但是我对这个数据操作感到惊讶。你可以看到所有的程序here，但我会尽量在这里总结一下。假设你有这样的事情：

In [133]: agg_counts = by_tz_os.size().unstack().fillna(0) 
    Out[133]: 
    a     Not Windows Windows 
    tz     245   276 
    Africa/Cairo   0   3 
    Africa/Casablanca 0   1 
    Africa/Ceuta   0   2 
    Africa/Johannesburg 0   1 
    Africa/Lusaka  0   1 
    America/Anchorage 4   1 
    ... 

tz手段时区和Not Windows，并从用户代理的原始数据中提取Windows是类，所以我们可以看到，有3个Windows用户和0非Windows用户从非洲/开罗收集到的数据。

然后，为了得到“顶总时间区”，我们有：

In [134]: indexer = agg_counts.sum(1).argsort() 
Out[134]: 
tz 
            24 
Africa/Cairo      20 
Africa/Casablanca     21 
Africa/Ceuta      92 
Africa/Johannesburg    87 
Africa/Lusaka      53 
America/Anchorage     54 
America/Argentina/Buenos_Aires 57 
America/Argentina/Cordoba   26 
America/Argentina/Mendoza   55 
America/Bogota     62 
... 

所以在这一点上，我还以为，根据documentation我列求和（在sum(1)）和然后根据显示参数的结果进行排序（通常在argsort中）。首先，我不确定这个系列中的“列”是什么意思，因为sum(1)实际上是总结Not Windows和Windows用户将该值保持在与其时区相同的行中。此外，我看不到argsort值与agg_counts之间的相关性。例如，Pacific/Auckland的“argsort值”（In[134]）为0，它只有11 Windows和Not Windows用户的总和。 Asia/Harbin的argsort值为1，出现的总数为3 Windows，而非Windows用户。

有人可以向我解释那里发生了什么吗？显然我误解了一些东西。

Answer 1

sum(1)表示总和超过axis = 1。术语来自numpy。

对于2+维对象，0轴指的是行。在0轴上进行求和意味着对行进行求和，这相当于“垂直”求和（当查看表格时）。

1轴指的是列。在1轴上求和意味着在列上求和，这相当于“水平”求和。

---

numpy.argsort返回指数，告诉你如何排序的数组的数组。例如：

In [72]: import numpy as np 

In [73]: x = np.array([521, 3, 1, 2, 1, 1, 5]) 

In [74]: np.argsort(x) 
Out[74]: array([2, 4, 5, 3, 1, 6, 0]) 

由np.argsort返回的数组中的2是指在x最小值是x[2]，它等于1。下一个最小的是x[4]这也是1.依此类推。

如果我们定义

totals = df.sum(1) 
print(totals) 
# tz      521 
# Africa/Cairo    3 
# Africa/Casablanca  1 
# Africa/Ceuta    2 
# Africa/Johannesburg  1 
# Africa/Lusaka   1 
# America/Anchorage  5 

然后totals.argsort()被argsorting值[521, 3, 1, 2, 1, 1, 5]。我们已经看到了结果;它是一样的numpy.argsort：

[2, 4, 5, 3, 1, 6, 0] 

这些值只会做成Series，与同index为totals：

print(totals.argsort()) 
# tz      2 
# Africa/Cairo   4 
# Africa/Casablanca  5 
# Africa/Ceuta   3 
# Africa/Johannesburg 1 
# Africa/Lusaka   6 
# America/Anchorage  0 

关联的totals.index这个argsort指数没有出现具有内在含义，但是如果您计算totals[totals.argsort()]，您会看到按排序顺序排列的totals行：

print(totals[totals.argsort()]) 
# Africa/Casablanca  1 
# Africa/Johannesburg  1 
# Africa/Lusaka   1 
# Africa/Ceuta    2 
# Africa/Cairo    3 
# America/Anchorage  5 
# tz      521 

Answer 2

我喜欢unutbu的澄清。在上面的第二个表格print（totals.argsort（））中，忽略第一列。我们需要的是第二列给出我们需要的职位。这太酷了！

这里是采取方法的一些例子：。https://pandas-docs.github.io/pandas-docs-travis/advanced.html#take-methods