python - Pandas 排序值

Question

在对 Kaggle 的 SF Salaries 数据集进行数据分析时 ( https://www.kaggle.com/kaggle/sf-salaries )，我想知道加类费按照年份和职位的排名。

What I decided to get

我的解决方案是:

df = df[['Year','JobTitle','OvertimePay']].copy()
df2 = df.sort_values('OvertimePay', ascending= False)

which turned out to be like this 。显然，结果并没有如我所料。除了索引之外，它似乎排序不正确，因为 173547.73 后面应该跟着 163477.81 等。请帮忙。谢谢。

Answer 1

我不确定您是否意识到每一行对应于不同的员工。因此，当您执行 df = df[['Year','JobTitle','OvertimePay']].copy() 时，同一年会多次出现“Deputy Sheriff”，一次为每个员工。这种情况可能会发生多次，因为不同的员工具有相同的“JobTitle”。

为了实现您想要的目标，您可以drop_duplicates并仅获取“年份”中每个“职务”的高薪员工。不过，我建议您分析一下这是否真的是您想要的。

这是我将使用的代码:

import numpy as np
import pandas as pd

df = pd.read_csv('Salaries.csv')
df['OvertimePay'] = df['OvertimePay'].replace("Not Provided",np.nan).astype(float)
df = df[['Year','JobTitle','OvertimePay']].copy()
df.drop_duplicates(subset=['Year','JobTitle'])
df2 = df.sort_values('OvertimePay', ascending= False)

编辑:要更改格式，我将使用类似以下内容的内容:

print(df2.iloc[0:20,].to_string(header=['Year','JobTitle',''],index=False,justify='left',
                                formatters={'JobTitle':'{{:<{}s}}'.format(df2['JobTitle'].str.len().max()).format}))