[Python话说NBA]pandas分组操作groupby方法与sort_values排序方法

Posted 2021-10-25 hanyunkaka

        在之前的几篇文章中，介绍了pandas分割函数str.split()的用法，并且使用该方法计算了NBA著名球星勒布朗詹姆斯2020-2021赛季常规赛的投篮命中率；介绍了pandas文本数据方法str.startswith()函数，并且使用该方法计算了詹姆斯某个月份的得分、篮板、助攻等数据。很多小伙伴看过之后，给我发私信，想知道詹姆斯在对阵哪只NBA球队时发挥最出色，在对阵哪只NBA球队发挥最不理想。如果要得到詹姆斯对阵某只NBA球队的个人数据，需要用到pandas分组操作groupby方法以及sort_values排序方法。

1、groupby分组方法

        groupby的使用方法较为简单，比如我们要计算詹姆斯2020-2021赛季常规赛对阵所有NBA球队时的得分、篮板、助攻等平均数据，则：

df = pd.read_csv(“lbj-2020-2021-regular.csv”,encoding="gbk")
df0 = df.groupby(['对手'])[['得分','篮板','助攻']].mean().round(2)
print(df0)

        其中，df.groupby(['对手'])[['得分','篮板','助攻']].mean()表示以对手进行分组，分别计算詹姆斯对阵NBA球队时得分、篮板、助攻的平均数据。

        round(2)表示计算得到的平均数据保留两位小数。

        得到的结果为：

对手	得分	篮板	助攻
76人	34.00	6.00	6.00
公牛	22.50	9.00	6.50
...	...	...	...

2、sort_values排序方法

        如果我们想知道詹姆斯对阵哪只NBA球队时发挥最出色或最不理想，需要对詹姆斯的得分、篮板、助攻等数据进行排序，此时要用到sort_values排序方法。

sort_values(by,ascending,na_position)主要涉及三个参数:

by：指定排序的列名或者列名的列表

ascending：指定是否升序排序，默认升序为True。如果降序排序的话，则为False。

na_position：指定缺失值的位置，值为‘first’或‘last’，默认为 ‘last'。

        使用sort_values()方法对詹姆斯的得分、篮板、助攻等数据进行排序：

df1 = df0.sort_values(by=['得分','篮板','助攻'],ascending=[False,False,False])
print(df1)

        得到的结果为：

对手	得分	篮板	助攻
骑士	46.00	8.00	6.00
太阳	38.00	5.00	6.00
...	...	...	...
国王	16.00	8.00	7.00
老鹰	15.50	4.00	6.50

        由结果可以看到，詹姆斯对阵骑士时发挥最出色，场均得分46分，场均篮板8个，场均助攻6个；对阵老鹰时发挥最不理想，场均得分15.50分，场均篮板4个，场均助攻6.5个。