熊貓sort_values

Question

在從Kaggle（ https://www.kaggle.com/kaggle/sf-salaries ）對SF Salaries數據集進行數據分析時，我想知道根據Year和JobTitle得出的加班費排名。

我決定得到什么

我的解決方案是：

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

原來是這樣的 。 顯然，結果沒有達到我的預期。 除索引外，它似乎排序不當，因為173547.73后應跟163477.81，等等。請提供幫助。 謝謝。

Answer 1

我不確定您是否意識到每一行都對應一個不同的Employee。 因此，當您執行df = df[['Year','JobTitle','OvertimePay']].copy() ，同一年中會多次出現“副警長”，每位員工一名。 這可能會發生多次，因為有不同的員工具有相同的“ JobTitle”。

為了實現您想要的目標，您可以drop_duplicates並只獲取​​“年度”中每個“職位”的高薪員工。 但是，我建議您分析一下這是否是您真正想要的。

這是我要使用的代碼：

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)

編輯：要更改格式，我將使用類似：

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