在之前的幾篇文章中，介紹了pandas分割函式str.split()的用法，并且使用該方法計算了NBA著名球星勒布朗詹姆斯2020-2021賽季常規賽的投籃命中率；介紹了pandas文本資料方法str.startswith()函式，并且使用該方法計算了詹姆斯某個月份的得分、籃板、助攻等資料，很多小伙伴看過之后，給我發私信，想知道詹姆斯在對陣哪只NBA球隊時發揮最出色，在對陣哪只NBA球隊發揮最不理想，如果要得到詹姆斯對陣某只NBA球隊的個人資料，需要用到pandas分組操作groupby方法以及sort_values排序方法，
1、groupby分組方法
groupby的使用方法較為簡單，比如我們要計算詹姆斯2020-2021賽季常規賽對陣所有NBA球隊時的得分、籃板、助攻等平均資料，則：
df = pd.read_csv(“lbj-2020-2021-regular.csv”,encoding="gbk")
df0 = df.groupby(['對手'])[['得分','籃板','助攻']].mean().round(2)
print(df0)其中，df.groupby(['對手'])[['得分','籃板','助攻']].mean()表示以對手進行分組，分別計算詹姆斯對陣NBA球隊時得分、籃板、助攻的平均資料，
round(2)表示計算得到的平均資料保留兩位小數，
得到的結果為：
| 對手 | 得分 | 籃板 | 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
如果我們想知道詹姆斯對陣哪只NBA球隊時發揮最出色或最不理想，需要對詹姆斯的得分、籃板、助攻等資料進行排序，此時要用到sort_values排序方法，
sort_values(by,ascending,na_position)主要涉及三個引數:
by：指定排序的列名或者列名的串列
ascending：指定是否升序排序，默認升序為True，如果降序排序的話，則為False，
na_position：指定缺失值的位置，值為‘first’或‘last’，默認為 ‘last'，
使用sort_values()方法對詹姆斯的得分、籃板、助攻等資料進行排序：
df1 = df0.sort_values(by=['得分','籃板','助攻'],ascending=[False,False,False])
print(df1)得到的結果為：
| 對手 | 得分 | 籃板 | 助攻 |
| 騎士 | 46.00 | 8.00 | 6.00 |
| 太陽 | 38.00 | 5.00 | 6.00 |
| ... | ... | ... | ... |
| 國王 | 16.00 | 8.00 | 7.00 |
| 老鷹 | 15.50 | 4.00 | 6.50 |
由結果可以看到，詹姆斯對陣騎士時發揮最出色，場均得分46分，場均籃板8個，場均助攻6個；對陣老鷹時發揮最不理想，場均得分15.50分，場均籃板4個，場均助攻6.5個，
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/305982.html
標籤：python