df.rank & pd.pivot_table & pd.read_excel & df添加行 &调整df行列顺序(reindex再理解）

1. df.rank

df.rank针对指定的序列进行排序（从大到小或从小到大），并返回排名的序列（从第一名到最后一名）
rank有两个重要参数：ascending、method。

• ascending：为True时，表示按从小到大排列，即最小的为第一名，最大的为倒数第一名；ascending为False，则相反
• method：主要控制当两个数值相等时，如何排名。如考试得分，小明和小红都考了100分，两人都是第一名还是一个第一名，一个第二名。此时下一个得99分的是第三名，还是第二名呢？
  • average：如下例，张三和李四并列第四名（同时占据第四、第五两个坑），那么两人的排名是4和5的平均值，下一个人是第6名
  • max：如下例，张三和李四占据第4、第5两个坑，那么两人都是第5名（4/5较大排名那个），下一个人是第6名
  • min：如下例，张三和李四占据第4、第5两个坑，那么两人都是第4名（4/5较小排名那个），下一个人是第6名
  • dense：张三和李四并列第四名，但是下一个人是第5名
  • first：张三和李四，谁先出现谁是第4名，另一个是第5名，下一个人是第6名

a = pd.Series([1, 2, 3, 4, 4, 6], index=['小明', '小红', '小张', '张三', '李四', '王五'])
a.rank(ascending=True, method='first')

小明    1.0
小红    2.0
小张    3.0
张三    4.0
李四    5.0
王五    6.0
dtype: float64

2. pd.pivot_table

pivot_table对应excel中的数据透视表。本章中所用df数据如下：

df.pivot_table有如下参数：

• values=None,
• index=None,
• columns=None,
• aggfunc=‘mean’,
• fill_value=None,
• margins=False,
• dropna=True,
• margins_name=‘All’,
• observed=False,
  有些参数不常用就不赘述了，本章主要讲述几个很重要的参数

2.1 index

index即索引，其实透视图就是分组后聚合，index就是按照指定的列分组并作为index，其余列进行聚合操作(其余列应该为剩下的所有列，为什么没有月份一列呢，aggfunc时会讲)。代码、结果如下：

index也可以选择两列，设置多层索引，如下所示

2.2 aggfunc

上例中按照省份分组后，其余列聚合，那么是如何聚合呢，比如北京的土地，是将北京所有的土地求和吗？aggfunc就是负责如何聚合的，是北京所有土地求和，还是求平均值等等。默认是mean，即上例是北京所有土地求平均值。

aggfunc的函数不一定是max，min, sum这种内置函数，也可以是自定义含义或者匿名函数

涉及种类时也可以是
aggfunc=lambda x: x.unique()
上例index中留下一个问题，为什么其余列不包括月份，是因为讲述index时，aggfunc默认为mean，而月份是字符串，不能进行mean操作，故没有月份一列。

2.3 values

index选择需要分组的列作为索引，那么values就是选择对哪些列进行聚合操作。如针对省份进行分组，针对收入进行聚合操作

index和values都可以选择多个

讲述index时，没有设置values，默认是其余可以进行aggfunc操作的所有列

2.4 columns

index是针对每一行的名称进行分组，那么columns就是针对每一列的名称进行分组，选后选择需要进行聚合操作的列作为values进行aggfunc操作。
比如index=‘省份’, columns=‘月份’, values='收入’即index为省份的分组，columns为月份的分组，进行aggfunc操作的为收入的列。如北京1月的收入，北京2月的收入，具体如下：

同样的columns也可以设置多列，即列为多层。

2.5 fill_value&dropna

fill_value为将NaN填充的数值：

dropna=True即删除全部为NaN的列，本例中不涉及，故不再展示

3. pd.read_excel

除了常用的io、sheet_name、header、index_col。其他常用的如（数据依然是上一章的df）：

• skiprows：省略指定行的数据
  原始数据有四个河北省数据，现在省略第1-4行，故读出来的数据没有河北省的数据
  
• name：指定列的名称
  
  发现列名不再是省份、月份、收入、土地，而是names指定的。

4. df添加行

4.1 append方法

df添加列很容易，但是行的话需要用append方法

这里的other即新添加的值。
新添加的值可以是list of list、字典、Series、DataFrame。如果是list of list，则默认的index为从0开始。
如果原始的df和other的index不一样，如df列名为A、B、C，新添加Series的index为A、B、D。那么，最终结果就会多一列D。

ignore_index为True即新加一行的index不会和原来df的index相同。如果为False则可能会和原来df的index相同。
特殊的，当Series有name时，ignore_index=False，则新加一行的index为name，为True时，新加一行的index为其他（根据df的index确定）

总而言之，ignore_index很重要，有时ignore_index=False会报错，为True时不会报错
下图为添加dataframe和concat操作有点像

4.2 concat方法

原始数据df是DataFrame，如果添加的是Series，就会出现如下情况

只有将a也变成DataFrame才行

4.3 loc

新添加的一行index也可以自定义：

5. 调整df行列顺序

无论行排序还是列排序，方法都是共用的。

• 方法1：sort_index
  如果只是简单按照行名或者列名排序，则使用
  df.sort_index(axis=0)或df.sort_index(axis=1)
• 方法2：reindex（极力推荐）
  reindex可以实现很多功能，先看下面的截图
  
  可以发现如果新的index和原来index相同，那么就相当于实现了排序功能。无论新的index为何，新得到的数据，只有len(新index)个；新index与原始数据相同的index数据会被复制过来；新index新出现的index，新结果会自动添加（填充何值由method决定）；原始数据有某一个index，称作a，但是新index没有，则index a所指的数据就会被删除。
  但help以下reindex，会发现reindex的功能不止上述：
  
  可以发现reindex有很多参数，比较重要的有labels、index、columns、axis, method。上述例子只有一个参数，故是指定了labels。下面从排序的角度讲述这5个参数（假设新的索引和原始数据索引相同，等价于排序）
  我们知道sort_index可以通过axis来实现对index排序还是对columns排序。其实reindex也一样。
  label+axis=0就实现了对index按照自己想要的顺序进行重排的功能。其等效於单独使用index（index不能与axis并用）
  
  label+axis=1就实现了对columns按照自己想要的顺序重排的功能。其等效於单独使用columns（columns不能与axis并用）
  
  method的具体用法详见博客：https://blog.csdn.net/weixin_43178406/article/details/87460939
• 方法3：loc