|
????????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。
|