パンダの奇妙なデータ操作

Question

私はWes Mckinneyのデータ解析のためのPythonを読んでいますが、私はこのデータ操作に驚いていました。すべての手続きhereを見ることができますが、私はここでそれを要約しようとします。あなたはこのような何かを持っていると仮定します

In [133]: agg_counts = by_tz_os.size().unstack().fillna(0) 
    Out[133]: 
    a     Not Windows Windows 
    tz     245   276 
    Africa/Cairo   0   3 
    Africa/Casablanca 0   1 
    Africa/Ceuta   0   2 
    Africa/Johannesburg 0   1 
    Africa/Lusaka  0   1 
    America/Anchorage 4   1 
    ... 

tzタイムゾーンとNot Windowsを意味し、Windows元のデータでユーザーエージェントから抽出されたカテゴリですので、我々は3人のWindowsユーザーと0 Windows以外のユーザーが存在することがわかりますアフリカ/カイロで収集されたデータから。

そして、「トップ全体のタイムゾーンは、」我々が持っている得るために：

In [134]: indexer = agg_counts.sum(1).argsort() 
Out[134]: 
tz 
            24 
Africa/Cairo      20 
Africa/Casablanca     21 
Africa/Ceuta      92 
Africa/Johannesburg    87 
Africa/Lusaka      53 
America/Anchorage     54 
America/Argentina/Buenos_Aires 57 
America/Argentina/Cordoba   26 
America/Argentina/Mendoza   55 
America/Bogota     62 
... 

だから、その時点で、私はdocumentationによると、私は（sum(1)中）の列を合計すると思っていただろうし、 （argsortの中でいつものように）引数を示す結果に従って並べ替えます。まず、sum(1)は実際にはNot WindowsとWindowsというユーザーの合計値をそのタイムゾーンと同じ行に保存しているため、このシリーズの文脈では「列」という意味はわかりません。さらに、argsort値とagg_countsの間に相関関係はありません。たとえば、Pacific/Aucklandには「argsort値」（In[134]）があり、合計値は11 WindowsとNot Windowsです。 Asia/Harbinには1のargsort値があり、3 WindowsとWindows以外のユーザーの合計が表示されます。

誰かが私に何が起こっているのか説明できますか？明らかに私は何かを誤解している。

Answer 1

sum(1)は、axis = 1の合計を意味します。用語はnumpyから来ます。

2次元オブジェクトの場合、0軸は行を参照します。 0軸を合計すると、行を合計して合計が「垂直」（表を見ているとき）になります。

1軸は列を表します。 1軸の合計は、列を合計することを意味します。この合計は「水平方向」で合計します。

---

numpy.argsort配列をソートする方法を教えて指標の配列を返します。例えば：

In [72]: import numpy as np 

In [73]: x = np.array([521, 3, 1, 2, 1, 1, 5]) 

In [74]: np.argsort(x) 
Out[74]: array([2, 4, 5, 3, 1, 6, 0]) 

np.argsortによって返される配列内の2 xにおける最小値が1に等しいx[2]、であることを意味します。次に小さいものはx[4]であり、これも1である。

私たちは、その後totals.argsort()は値[521, 3, 1, 2, 1, 1, 5]をargsortingさ

totals = df.sum(1) 
print(totals) 
# tz      521 
# Africa/Cairo    3 
# Africa/Casablanca  1 
# Africa/Ceuta    2 
# Africa/Johannesburg  1 
# Africa/Lusaka   1 
# America/Anchorage  5 

を定義した場合。我々はその結果を見た。それはnumpy.argsortと同じです：

[2, 4, 5, 3, 1, 6, 0] 

これらの値は単にtotalsと同じindexで、Seriesに作られています：

print(totals.argsort()) 
# tz      2 
# Africa/Cairo   4 
# Africa/Casablanca  5 
# Africa/Ceuta   3 
# Africa/Johannesburg 1 
# Africa/Lusaka   6 
# America/Anchorage  0 

このargsort指標とtotals.indexの関連付け本質的な意味を持って表示されません。 totals[totals.argsort()]を計算すると、totalsの行がソート順に表示されます。

print(totals[totals.argsort()]) 
# Africa/Casablanca  1 
# Africa/Johannesburg  1 
# Africa/Lusaka   1 
# Africa/Ceuta    2 
# Africa/Cairo    3 
# America/Anchorage  5 
# tz      521 

Answer 2

私はunutbuの説明を愛しました。上の2番目の表のprint（totals.argsort（））では、最初の列は無視されます。私たちが必要とするのは、私たちが必要とするポジションを与える2列目です。これはとてもクールです！ここで

はテイク法上のいくつかの例は次のとおりです。https://pandas-docs.github.io/pandas-docs-travis/advanced.html#take-methods