文章主要聊聊在Python中資料的排序與分組彙總
首先我們開啟上次寫好的 Notebook 檔案，點選Cell -> Run all 命令將程式碼重新執行一次，把所需的軟體包及寫好的自定義函式執行裝入到記憶體中，然後繼續進行操作。
按照索引進行排序：df。sort_index（ascending=True|False）
如圖所示，索引為資料集（DataFrame）最左側的列，預設情況下為該行行號並升序排序。以下示例將資料集按照索引降序排列：df。sort_index（ascending=False）
注：因為這裡索引為行編號，因此重新排序沒有太大的必要，但可能在有些場合可能會用到這個功能，比如索引列為時間，則可以按照索引列進行時間先後排列。
按照資料列進行排序：df。sort_values（“列名”， ascending=True|False）
以下程式碼將兩市股票按照市值從大到小排列
以下程式碼截取出市值最大的10只個股
資料的分組及聚合運算groupby與agg
上面我們已經學會如何對資料進行排序，快些獲取處於市場前列的的個股資料，但如果我們需要按照行業進行分組統計應該怎麼辦呢，這就涉及到分組與統計功能了。資料集分組與統計功能簡單用法如下df。groupby（“列名”）。agg（“聚合函式”），可靠的聚合函式如下：
統計數量：count
求和：sum
求平均值：mean
求中位數、最大值、最小值： median， max， min
以下程式碼求取所有行業總市值
注意：如果使用內建函式統計的話，直接使用df。groupby（“行業”）。sum（）也是可以的。
以下程式碼統計兩市所有行業可統計列中位數
注意，可以同時進行多項統計。比如：我們可以同時統計最大值與最小值。
大家可以看到，此時輸出就有些亂了，因此建議只統計希望統計的列，以下程式碼只按照行業統計市盈率最大值，最小值，中位數
注：df［［“行業”，”滾動市盈”］］ 這個操作選取出用於分組的列
行業
以及用於統計的列
滾動市盈率
然後再對返回的資料集進行分組與統計即可。
自定義統計
除了根據預設聚合函式外，還可以自行編制聚合函式，比如：我們可以按照行業統計市值大於100億的股票數量
# 自定義統計函式# 注意：該函式傳的是分好組的資料，需要返回一個數據，這也就是稱之為聚合函式的意義所在def count100plus（arr）： c = 0 try： for x in arr： if x > 1。0e+10 ： c = c + 1 except： passreturn c#注意下面agg函式引數，呼叫自定義函式是沒有引號存在的。df［［‘行業’，‘總市值’］］。groupby（“行業”）。agg（count100plus）
總結
我們簡單瞭解瞭如果針對資料進行分組與排序，透過分組與排序，我們對兩市資料進行簡單的統計與彙總，下一篇我們聊聊資料集的聯接與列運算，週末愉快。
該文涉及到的Notebook檔案見評論區。
