熊猫sort_values

Question

在从Kaggle（ https://www.kaggle.com/kaggle/sf-salaries ）对SF Salaries数据集进行数据分析时，我想知道根据Year和JobTitle得出的加班费排名。

我决定得到什么

我的解决方案是：

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

原来是这样的 。 显然，结果没有达到我的预期。 除索引外，它似乎排序不当，因为173547.73后应跟163477.81，等等。请提供帮助。 谢谢。

Answer 1

我不确定您是否意识到每一行都对应一个不同的Employee。 因此，当您执行df = df[['Year','JobTitle','OvertimePay']].copy() ，同一年中会多次出现“副警长”，每位员工一名。 这可能会发生多次，因为有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并只获取​​“年度”中每个“职位”的高薪员工。 但是，我建议您分析一下这是否是您真正想要的。

这是我要使用的代码：

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：

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