如何對python編程中的列表元素按成績高低進(jìn)行排序呢？

最簡單的辦法就是需要指定列表排序方法中的參數(shù)“key”。代碼如下：

專注于為中小企業(yè)提供成都做網(wǎng)站、成都網(wǎng)站建設(shè)、成都外貿(mào)網(wǎng)站建設(shè)服務(wù),電腦端+手機(jī)端+微信端的三站合一,更高效的管理,為中小企業(yè)沙洋免費(fèi)做網(wǎng)站提供優(yōu)質(zhì)的服務(wù)。我們立足成都，凝聚了一批互聯(lián)網(wǎng)行業(yè)人才，有力地推動(dòng)了1000+企業(yè)的穩(wěn)健成長，幫助中小企業(yè)通過網(wǎng)站建設(shè)實(shí)現(xiàn)規(guī)模擴(kuò)充和轉(zhuǎn)變。

第一種：

stu=[['john',79],['mame',96],['herry',85],['lili',95],['ziling',63]]

def takeSecond(elem):

return elem[1]

stu.sort(key=takeSecond,,reverse=True)

print(stu)

第二種：

stu=[['john',79],['mame',96],['herry',85],['lili',95],['ziling',63]]

s=sorted(stu,key=lambda student: student[1],,reverse=True)

print(s)

Python其實(shí)很簡單 第二十一章 DataFrame數(shù)據(jù)處理

將Excel中的的數(shù)據(jù)讀入數(shù)據(jù)框架DataFrame后，可以非常方便的進(jìn)行各種數(shù)據(jù)處理。

21.1 列間求和

求總分（總分=語文+數(shù)學(xué)+英語）

對于上一章所提到的學(xué)生成績表，僅用一個(gè)語句即可完成總分計(jì)算，并填充。

df['總分']=df['語文']+df['數(shù)學(xué)']+df['英語']

完整代碼如下：

from pandas import read_excel

file='d:/student.xlsx' #見第18章表18-1

df=read_excel(file,sheet_name=0,converters={'學(xué)號':str})

df['總分']=df['語文']+df['數(shù)學(xué)']+df['英語']

print(df.head()) #df.head()的作用是僅顯示5行記錄。

運(yùn)行結(jié)果如下：

序號 學(xué)號 姓名 年級 班級 語文 數(shù)學(xué) 英語 總分 名次

0 1 070101 王博宇 NaN NaN 84 71 93 248 NaN

1 2 070102 陳冠濤 NaN NaN 89 89 89 267 NaN

2 3 070103 李文博 NaN NaN 89 72 76 237 NaN

3 4 070204 姜海燕 NaN NaN 89 89 89 267 NaN

4 5 070205 林若溪 NaN NaN 91 95 83 269 NaN

21.2替換

既可以將對滿足條件的行和列的數(shù)據(jù)替換，也可以對整個(gè)集合的數(shù)據(jù)按照條件進(jìn)行替換。

df['總分'].replace(310,'x',inplace=True)

將總分列的數(shù)值“310”替換為“x”。inplace=True表示改變原數(shù)據(jù)。

df.replace(76,0,inplace=True)

將整個(gè)DataFrame中的數(shù)值“76”替換為“0”。

df.replace([98,76,99],0,inplace=True)

將整個(gè)DataFrame中的數(shù)值“98,76,99”一次替換為“0”。

21.2排序

既可以將某一列作為關(guān)鍵字段排序，也可以將幾個(gè)列分別作為主、次關(guān)鍵字段進(jìn)行排序。排序既可以按升序排序，也可以按降序排序。

函數(shù)sort_values()的語法格式如下：

df.sort_values(by=[“col1”,”col2”,......,”coln”],ascending=False)

其中，coln表示列名，也可以是列名的列表；ascending表示排序方式，值為True表示升序，可以省缺，值為False表示降序。

如：

df=df.sort_values(by=['總分'],ascending=False)

表示按照“總分”從高到低排序。

df=df.sort_values(by=['總分','語文'],ascending=False)

表示按照“總分”從高到低排序，若“總分”相同，再按照“語文”成績從高到低排序。

21.3 字段截取

函數(shù)slice()可以從某列中截取字符串。格式如下：

slice(start,stop)

其中，start表示開始位置；stop表示結(jié)束位置

例：

df['年級']=df['學(xué)號'].str.slice(0,2)

通過此語句可以截取學(xué)號字段的第1、2個(gè)字符，并賦值給年級字段。

21.4 記錄抽取

可以抽取滿足條件的記錄。

例：抽取總分300的記錄。

df[df.總分300]

抽取總分在300到310之間（包括300和310）的記錄。

df[df.總分.between(306,310)]

抽取學(xué)號中包含“0803”的記錄。這樣可以非常方便的抽取某個(gè)班的信息。

df[df.學(xué)號.str.contains('0803',na=False)]

此處的na=False，含義是如遇到NaN這樣的數(shù)據(jù)，直接做不匹配處理。

21.5修改記錄

1、整列替換

我們在前面已經(jīng)給整列填充過數(shù)據(jù)，填充時(shí)原來的數(shù)據(jù)就被覆蓋了。

即如下語句：

df['總分']=df['語文']+df['數(shù)學(xué)']+df['英語']

2、個(gè)別修改

如將值‘99’替換為值‘100’，可用如下語句：

df.replace('99','100')

將指定列的值替，如將語文列和英語列的值‘99’替換為值‘100’，可用如下語句：

df.replace({'語文':99,'英語':99},100)

可用如下程序去驗(yàn)證：

from pandas import read_excel

file='d:/student.xlsx'

df=read_excel(file,sheet_name=0,converters={'學(xué)號':str})

print(df[(df.語文==99) |(df.英語==99)])

df=df.replace({'語文':99,'英語':99},100)

print(df[(df.語文==99) |(df.英語==99)])

運(yùn)行結(jié)果為：

序號 學(xué)號 姓名 年級 班級 語文 數(shù)學(xué) 英語 總分 名次

28 29 090802 丁能通 09 NaN 119 120 99 338 NaN

29 30 090203 沈丹妮 09 NaN 109 108 99 316 NaN

Empty DataFrame

Columns: [序號, 學(xué)號, 姓名, 年級, 班級, 語文, 數(shù)學(xué), 英語, 總分, 名次]

Index: []

可以看出，第一個(gè)print()語句輸出的結(jié)果中滿足條件“語文或英語為99分”的有兩條記錄，替換語句執(zhí)行以后，df中再?zèng)]有滿足條件“語文或英語為99分”的記錄了。

21.6記錄合并

函數(shù)concat()的格式如下：

concat([dataFrame1,dataFrame2,......]，ignore_index=True)

其中，dataFrame1等表示要合并的DataFrame數(shù)據(jù)集合；ignore_index=True表示合并之后的重新建立索引。其返回值也是DataFrame類型。

concat()函數(shù)和append()函數(shù)的功能非常相似。

例：

import pandas #導(dǎo)入pandas模塊

from pandas import read_excel #導(dǎo)入read_execel

file='d:/student.xlsx' #變量file表示文件路徑，注意'/'的用法 數(shù)據(jù)見第18章表18-1

df=read_excel(file,sheet_name=0,converters={'學(xué)號':str})

# 將Excel文件導(dǎo)入到DataFrame變量中

df=df[:5] #截取df的前5個(gè)記錄

print(df) #輸出df

df1=df[:3] #截取df的前3個(gè)記錄存入df1中

df2=df[3:5] #截取df的最后2個(gè)記錄存入df2中

df3=pandas.concat([df2,df1]) #將df2與df1合并存入df3中

print(df3) #輸出df3

運(yùn)行結(jié)果如下：

序號 學(xué)號 姓名 年級 班級 語文 數(shù)學(xué) 英語 總分 名次

0 1 070101 王博宇 NaN NaN 84 71 93 NaN NaN

1 2 070102 陳冠濤 NaN NaN 89 89 89 NaN NaN

2 3 070103 李文博 NaN NaN 89 72 76 NaN NaN

3 4 070204 姜海燕 NaN NaN 89 89 89 NaN NaN

4 5 070205 林若溪 NaN NaN 91 95 83 NaN NaN

序號 學(xué)號 姓名 年級 班級 語文 數(shù)學(xué) 英語 總分 名次

3 4 070204 姜海燕 NaN NaN 89 89 89 NaN NaN

4 5 070205 林若溪 NaN NaN 91 95 83 NaN NaN

0 1 070101 王博宇 NaN NaN 84 71 93 NaN NaN

1 2 070102 陳冠濤 NaN NaN 89 89 89 NaN NaN

2 3 070103 李文博 NaN NaN 89 72 76 NaN NaN

由于合并時(shí)是將df1合并到df2中，可以看出，索引仍然保持原來的狀態(tài)。

21.7統(tǒng)計(jì)次數(shù)

可以用如下方法統(tǒng)計(jì)出某個(gè)值在某行或者某個(gè)范圍出現(xiàn)的次數(shù)。

from pandas import read_excel

file='d:/student.xlsx'

df=read_excel(file,sheet_name=0,converters={'學(xué)號':str})

df=df[:5]

print(df)

print(df['語文'].value_counts())

輸出結(jié)果如下：

序號 學(xué)號 姓名 年級 班級 語文 數(shù)學(xué) 英語 總分 名次

0 1 070101 王博宇 NaN NaN 84 71 93 NaN NaN

1 2 070102 陳冠濤 NaN NaN 89 89 89 NaN NaN

2 3 070103 李文博 NaN NaN 89 72 76 NaN NaN

3 4 070204 姜海燕 NaN NaN 89 89 89 NaN NaN

4 5 070205 林若溪 NaN NaN 91 95 83 NaN NaN

89 3

84 1

91 1

Name: 語文, dtype: int64

可以看出，通過value_counts()函數(shù)可以統(tǒng)計(jì)出列中各值出現(xiàn)的次數(shù)。

value_counts()函數(shù)的參數(shù)還有 ：

ascending，當(dāng)ascending=True時(shí)升序排列，當(dāng)ascending=False時(shí)升序排列（此時(shí)該參數(shù)可省缺）；

normalize，當(dāng)normalize=True時(shí)，顯示的不再是各值出現(xiàn)的次數(shù)，而是占比。

將上例中的語句print(df['語文'].value_counts())改為：

print(df['語文'].value_counts(ascending=True,normalize=True))

則輸出結(jié)果變成了：

91 0.2

84 0.2

89 0.6

Name: 語文, dtype: float64

21.8按值查找

print(df['語文'].isin([84,91]))

它的作用是查找‘語文’列中值和isin所指的列表中元素一致的記錄，如果找到結(jié)果為True，否則為False。

輸出結(jié)果：

0 True

1 False

2 False

3 False

4 True

Name: 語文, dtype: bool

21.9數(shù)據(jù)分區(qū)

根據(jù)某個(gè)分區(qū)標(biāo)準(zhǔn)，將數(shù)據(jù)按照所屬區(qū)域進(jìn)行劃分，并用相應(yīng)的標(biāo)簽表示，可以用cut()方法來實(shí)現(xiàn)。

語法格式如下：

cut(series, bins, right=True, labels=NULL)

其中：

series表示需要分組的數(shù)據(jù)；

bins表示分組的依據(jù)，是一個(gè)列表，其元素為劃分分區(qū)的邊界值，如[0,72,96,120]，就是劃分3個(gè)分區(qū)，即0~72、72~96、96~120，默認(rèn)的是“左包右不包”；

right表示分組時(shí)右邊是否閉合；

labels表示分組的自定義標(biāo)簽，也可以不重新定義。

下面對上述學(xué)生成績表中的語文成績進(jìn)行分組，并增加一個(gè)新的列“語文等級”。

import pandas as pd

from pandas import read_excel #導(dǎo)入read_execel

file='d:/student.xlsx'

df=read_excel(file,sheet_name=0,converters={'學(xué)號':str})

df['年級']=df['學(xué)號'].str.slice(0,2)

df['班級']=df['學(xué)號'].str.slice(0,4)

df.總分=df.語文+df.數(shù)學(xué)+df.英語

bins=[0,72,96,max(df.語文)+1] #

lab=['不及格','及格','優(yōu)秀']

grade=pd.cut(df.語文,bins,right=False,labels=lab)

df['語文等級']=grade

print(df.head())

print("語文成績分等級統(tǒng)計(jì)結(jié)果:")

print(df['語文等級'].value_counts())

運(yùn)行結(jié)果如下：

序號 學(xué)號 姓名 年級 班級 語文 數(shù)學(xué) 英語 總分 語文等級

0 1 070101 王博宇 07 0701 84 71 93 248 及格

1 2 070102 陳冠濤 07 0701 89 89 89 267 及格

2 3 070103 李文博 07 0701 89 72 76 237 及格

3 4 070204 姜海燕 07 0702 89 89 89 267 及格

4 5 070205 林若溪 07 0702 91 95 83 269 及格

語文成績分等級統(tǒng)計(jì)結(jié)果:

及格 17

優(yōu)秀 10

不及格 4

Name: 語文等級, dtype: int64

Python3 sort()函數(shù)與sorted()函數(shù)排序

Python使用過程隨記~

sort()函數(shù)與sorted()函數(shù)的區(qū)別：

sort是list的方法，而sorted可以對所有可迭代對象進(jìn)行排序（字典，元組等）；

sort方法返回的是對已經(jīng)存在的列表進(jìn)行操作，會改變原有列表的值；而sorted是新建一個(gè)新的list，不改變原有的值。

一.list sort()方法

語法：

key：主要是用來比較的參數(shù)，指定對象中的一個(gè)對象用來進(jìn)行排序。

reserve：默認(rèn)值為reserve=False升序，reserve=True降序。

無返回值，通常如下:

指定列表中的元素排序來輸出：

二.sorted

語法:

iterable：可迭代對象

key：主要是用來比較的參數(shù)，指定對象中的一個(gè)對象用來進(jìn)行排序。

reserve：默認(rèn)值為reserve=False升序，reserve=True降序。

利用key進(jìn)行倒序排序：

或者通過reserve參數(shù)，與sort()函數(shù)一致。

若列表內(nèi)元素為字典/元組，還可以通過key指定來排序：

深入理解python中的排序sort

進(jìn)行一個(gè)簡單的升序排列直接調(diào)用sorted()函數(shù)，函數(shù)將會返回一個(gè)排序后的列表：

sorted函數(shù)不會改變原有的list，而是返回一個(gè)新的排好序的list

如果你想使用就地排序，也就是改變原list的內(nèi)容，那么可以使用list.sort()的方法，這個(gè)方法的返回值是None。

另一個(gè)區(qū)別是，list.sort()方法只是list也就是列表類型的方法，只可以在列表類型上調(diào)用。而sorted方法則是可以接受任何可迭代對象。

list.sort()和sorted()函數(shù)都有一個(gè)key參數(shù)，可以用來指定一個(gè)函數(shù)來確定排序的一個(gè)優(yōu)先級。比如，這個(gè)例子就是根據(jù)大小寫的優(yōu)先級進(jìn)行排序：

key參數(shù)的值應(yīng)該是一個(gè)函數(shù)，這個(gè)函數(shù)接受一個(gè)參數(shù)然后返回以一個(gè)key，這個(gè)key就被用作進(jìn)行排序。這個(gè)方法很高效，因?yàn)閷τ诿恳粋€(gè)輸入的記錄只需要調(diào)用一次key函數(shù)。

一個(gè)常用的場景就是當(dāng)我們需要對一個(gè)復(fù)雜對象的某些屬性進(jìn)行排序時(shí)：

再如：

前面我們看到的利用key-function來自定義排序，同時(shí)Python也可以通過operator庫來自定義排序，而且通常這種方法更好理解并且效率更高。

operator庫提供了 itemgetter(), attrgetter(), and a methodcaller()三個(gè)函數(shù)

同時(shí)還支持多層排序

list.sort()和sorted()都有一個(gè)boolean類型的reverse參數(shù)，可以用來指定升序和降序排列，默認(rèn)為false，也就是升序排序，如果需要降序排列，則需將reverse參數(shù)指定為true。

排序的穩(wěn)定性指，有相同key值的多個(gè)記錄進(jìn)行排序之后，原始的前后關(guān)系保持不變

我們可以看到python中的排序是穩(wěn)定的。

我們可以利用這個(gè)穩(wěn)定的特性來進(jìn)行一些復(fù)雜的排序步驟，比如，我們將學(xué)生的數(shù)據(jù)先按成績降序然后年齡升序。當(dāng)排序是穩(wěn)定的時(shí)候，我們可以先將年齡升序，再將成績降序會得到相同的結(jié)果。

傳統(tǒng)的DSU(Decorate-Sort-Undecorate)的排序方法主要有三個(gè)步驟：

因?yàn)樵M是按字典序比較的，比較完grade之后，會繼續(xù)比較i。

添加index的i值不是必須的，但是添加i值有以下好處：

現(xiàn)在python3提供了key-function，所以DSU方法已經(jīng)不常用了

python2.x版本中，是利用cmp參數(shù)自定義排序。

python3.x已經(jīng)將這個(gè)方法移除了，但是我們還是有必要了解一下cmp參數(shù)

cmp參數(shù)的使用方法就是指定一個(gè)函數(shù)，自定義排序的規(guī)則，和java等其他語言很類似

也可以反序排列

python3.x中可以用如下方式：

文章題目：python成績排序函數(shù) Python的排序函數(shù)
網(wǎng)站網(wǎng)址：http://jinyejixie.com/article20/hehgco.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供軟件開發(fā)、移動(dòng)網(wǎng)站建設(shè)、網(wǎng)站維護(hù)、全網(wǎng)營銷推廣、網(wǎng)站排名、小程序開發(fā)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)