Công thức thứ tự đảo ngược excel
|
Bài viết này hướng dẫn bạn cách đảo ngược thứ tự của một danh sách trong Excel. Ví dụ ta muốn đảo danh sách ở cột A bên dưới Show
1. Nhập giá trị 1 vào ô B1 và giá trị 2 vào ô B2 2. Chọn phạm vi B1. B2, nhấp vào góc dưới bên phải của phạm vi này và kéo nó xuống ô B8 3. Nhấp vào bất kỳ số nào trong danh sách ở cột B 4. Để sắp xếp theo thứ tự giảm dần, trên tab Dữ liệu, trong nhóm Sắp xếp & Lọc, bấm ZA Kết quả. Không chỉ danh sách ở cột B mà cả danh sách ở cột A cũng bị đảo ngược Nếu bạn có Excel 365 hoặc Excel 2021, hãy sử dụng SEQUENCE, SORTBY và ROWS để sắp xếp danh sách theo thứ tự đảo ngược. Công thức sau đây khá tuyệt vời 5. Trước tiên, hãy sử dụng hàm SEQUENCE để tạo danh sách các số. Hàm SEQUENCE bên dưới có 4 đối số. Hàng = 8, Cột = 1, Bắt đầu = 1, Bước = 1 Ghi chú. hàm SEQUENCE, được nhập vào ô B1, điền vào nhiều ô. Ồ. Hành vi này trong Excel 365/2021 được gọi là tràn 6. Hàm SORTBY sắp xếp một phạm vi dựa trên các giá trị trong một phạm vi tương ứng. Sử dụng -1 (đối số thứ ba) để sắp xếp theo thứ tự giảm dần 7. Lồng hàm SEQUENCE bên trong hàm SORTBY 8. Nếu bạn có một danh sách dài hơn gồm 20 tên, hãy thay đổi giá trị 8 thành 20 trong công thức hiển thị ở trên hoặc tốt hơn nữa, hãy sử dụng hàm ROWS Học các phương pháp sắp xếp gấu trúc là một cách tuyệt vời để bắt đầu hoặc thực hành phân tích dữ liệu cơ bản bằng Python. Thông thường nhất, phân tích dữ liệu được thực hiện với bảng tính, SQL hoặc gấu trúc. Một trong những điều tuyệt vời khi sử dụng pandas là nó có thể xử lý một lượng lớn dữ liệu và cung cấp khả năng thao tác dữ liệu hiệu suất cao Trong hướng dẫn này, bạn sẽ học cách sử dụng Đến cuối hướng dẫn này, bạn sẽ biết cách
Để làm theo hướng dẫn này, bạn sẽ cần có hiểu biết cơ bản về DataFrames của gấu trúc và một số thông tin quen thuộc với Tiền thưởng miễn phí. Nhấp vào đây để nhận Bảng cheat Python và tìm hiểu kiến thức cơ bản về Python 3, như làm việc với các kiểu dữ liệu, từ điển, danh sách và hàm Python Bắt đầu với phương pháp sắp xếp PandasXin nhắc lại, DataFrame là cấu trúc dữ liệu có các trục được gắn nhãn cho cả hàng và cột. Bạn có thể sắp xếp DataFrame theo giá trị hàng hoặc cột cũng như theo chỉ mục hàng hoặc cột Cả hàng và cột đều có các chỉ mục, là các biểu diễn bằng số về vị trí của dữ liệu trong DataFrame của bạn. Bạn có thể truy xuất dữ liệu từ các hàng hoặc cột cụ thể bằng các vị trí chỉ mục của DataFrame. Theo mặc định, số chỉ mục bắt đầu từ số không. Bạn cũng có thể gán chỉ mục của riêng mình theo cách thủ công Loại bỏ các quảng cáoChuẩn bị bộ dữ liệuTrong hướng dẫn này, bạn sẽ làm việc với dữ liệu tiết kiệm nhiên liệu do Cơ quan Bảo vệ Môi trường Hoa Kỳ (EPA) tổng hợp trên các phương tiện được sản xuất từ năm 1984 đến 2021. Bộ dữ liệu tiết kiệm nhiên liệu của EPA rất tuyệt vời vì nó có nhiều loại thông tin khác nhau mà bạn có thể sắp xếp, từ loại dữ liệu văn bản đến số. Tập dữ liệu có tổng cộng tám mươi ba cột Để làm theo, bạn sẽ cần cài đặt thư viện pandas Python. Mã trong hướng dẫn này được thực thi bằng pandas 1. 2. 0 và Python3. 9. 1 Ghi chú. Toàn bộ bộ dữ liệu tiết kiệm nhiên liệu là khoảng 18 MB. Việc đọc toàn bộ tập dữ liệu vào bộ nhớ có thể mất một hoặc hai phút. Việc giới hạn số lượng hàng và cột sẽ giúp cải thiện hiệu suất nhưng vẫn sẽ mất vài giây trước khi dữ liệu được tải xuống Đối với mục đích phân tích, bạn sẽ xem dữ liệu MPG (dặm trên gallon) trên các phương tiện theo kiểu dáng, kiểu dáng, năm và các thuộc tính phương tiện khác. Bạn có thể chỉ định cột nào sẽ đọc vào DataFrame của mình. Đối với hướng dẫn này, bạn sẽ chỉ cần một tập hợp con của Dưới đây là các lệnh để đọc các cột có liên quan của tập dữ liệu tiết kiệm nhiên liệu vào DataFrame và để hiển thị năm hàng đầu tiên >>> Bằng cách gọi Làm quen với >>> df.sort_values( .. by="city08", .. ascending=False .. ) city08 cylinders fuelType .. mpgData trany year 9 23 4 Regular .. Y Automatic 4-spd 1993 2 23 4 Regular .. Y Manual 5-spd 1985 7 23 4 Regular .. Y Automatic 3-spd 1993 8 23 4 Regular .. Y Manual 5-spd 1993 76 23 4 Regular .. Y Manual 5-spd 1993 . .. .. .. .. .. .. ... 58 10 8 Regular .. N Automatic 3-spd 1985 80 9 8 Regular .. N Automatic 3-spd 1985 1 9 12 Regular .. N Manual 5-spd 1985 47 9 8 Regular .. N Automatic 3-spd 1985 99 9 8 Premium .. N Automatic 4-spd 1993 [100 rows x 10 columns] 2Bạn sử dụng  Hình trên cho thấy kết quả của việc sử dụng Làm quen với >>> df.sort_values( .. by="city08", .. ascending=False .. ) city08 cylinders fuelType .. mpgData trany year 9 23 4 Regular .. Y Automatic 4-spd 1993 2 23 4 Regular .. Y Manual 5-spd 1985 7 23 4 Regular .. Y Automatic 3-spd 1993 8 23 4 Regular .. Y Manual 5-spd 1993 76 23 4 Regular .. Y Manual 5-spd 1993 . .. .. .. .. .. .. ... 58 10 8 Regular .. N Automatic 3-spd 1985 80 9 8 Regular .. N Automatic 3-spd 1985 1 9 12 Regular .. N Manual 5-spd 1985 47 9 8 Regular .. N Automatic 3-spd 1985 99 9 8 Premium .. N Automatic 4-spd 1993 [100 rows x 10 columns] 3Bạn sử dụng Chỉ mục hàng của DataFrame được viền màu xanh lam trong hình trên. Một chỉ mục không được coi là một cột và bạn thường chỉ có một chỉ mục hàng. Chỉ số hàng có thể được coi là số hàng, bắt đầu từ số không Sắp xếp khung dữ liệu của bạn trên một cộtĐể sắp xếp DataFrame dựa trên các giá trị trong một cột, bạn sẽ sử dụng Sắp xếp theo một cột theo thứ tự tăng dầnĐể sử dụng >>> Điều này sắp xếp DataFrame của bạn bằng cách sử dụng các giá trị cột từ Thay đổi thứ tự sắp xếpMột tham số khác của >>> Bằng cách chuyển Chọn thuật toán sắp xếpThật tốt khi lưu ý rằng pandas cho phép bạn chọn các thuật toán sắp xếp khác nhau để sử dụng với cả Thuật toán được sử dụng theo mặc định khi sắp xếp trên một cột là >>> Sử dụng Ghi chú. Trong gấu trúc, Khi bạn sắp xếp nhiều bản ghi có cùng khóa, thuật toán sắp xếp ổn định sẽ duy trì thứ tự ban đầu của các bản ghi đó sau khi sắp xếp. Vì lý do đó, việc sử dụng thuật toán sắp xếp ổn định là cần thiết nếu bạn dự định thực hiện nhiều loại Sắp xếp khung dữ liệu của bạn trên nhiều cộtTrong phân tích dữ liệu, bạn thường muốn sắp xếp dữ liệu của mình dựa trên giá trị của nhiều cột. Hãy tưởng tượng bạn có một tập dữ liệu với tên và họ của mọi người. Sẽ rất hợp lý nếu sắp xếp theo họ và sau đó là tên, để những người có cùng họ được sắp xếp theo thứ tự abc theo tên của họ Trong ví dụ đầu tiên, bạn đã sắp xếp DataFrame của mình trên một cột có tên là >>> Bằng cách chỉ định danh sách các tên cột Sắp xếp theo nhiều cột theo thứ tự tăng dầnĐể sắp xếp DataFrame trên nhiều cột, bạn phải cung cấp danh sách tên cột. Ví dụ: để sắp xếp theo >>> Bây giờ DataFrame của bạn được sắp xếp theo thứ tự tăng dần bởi Thay đổi thứ tự sắp xếp cộtVì bạn đang sắp xếp bằng nhiều cột, nên bạn có thể chỉ định thứ tự sắp xếp các cột của mình. Nếu bạn muốn thay đổi thứ tự sắp xếp logic từ ví dụ trước, thì bạn có thể thay đổi thứ tự tên cột trong danh sách mà bạn chuyển đến tham số >>> Khung dữ liệu của bạn hiện được sắp xếp theo cột ________ 575 theo thứ tự tăng dần, sau đó được sắp xếp theo ________ 574 nếu có hai hoặc nhiều mô hình giống nhau. Bạn có thể thấy rằng việc thay đổi thứ tự các cột cũng thay đổi thứ tự sắp xếp các giá trị Sắp xếp theo nhiều cột theo thứ tự giảm dầnCho đến thời điểm này, bạn chỉ sắp xếp theo thứ tự tăng dần trên nhiều cột. Trong ví dụ tiếp theo, bạn sẽ sắp xếp theo thứ tự giảm dần dựa trên cột >>> Các giá trị trong cột Sắp xếp theo nhiều cột với thứ tự sắp xếp khác nhauBạn có thể tự hỏi liệu có thể sắp xếp bằng cách sử dụng nhiều cột hay không và để các cột đó sử dụng các đối số Trong ví dụ này, bạn sắp xếp DataFrame của mình theo các cột >>> Bây giờ Khung dữ liệu của bạn được sắp xếp theo thứ tự tăng dần của Sắp xếp khung dữ liệu của bạn trên chỉ mục của nóTrước khi sắp xếp theo chỉ mục, bạn nên biết chỉ mục đại diện cho điều gì. DataFrame có thuộc tính Sắp xếp theo chỉ số theo thứ tự tăng dầnBạn có thể sắp xếp DataFrame dựa trên chỉ mục hàng của nó với Để minh họa việc sử dụng >>> Bạn đã tạo một DataFrame được sắp xếp bằng nhiều giá trị. Lưu ý cách chỉ mục hàng không theo thứ tự cụ thể. Để đưa DataFrame mới của bạn trở lại thứ tự ban đầu, bạn có thể sử dụng >>> Bây giờ chỉ số theo thứ tự tăng dần. Cũng giống như Điều này đặc biệt hữu ích khi bạn đã chỉ định một chỉ mục tùy chỉnh với >>> Sử dụng phương pháp này, bạn thay thế chỉ mục hàng dựa trên số nguyên mặc định bằng hai nhãn trục. Đây được coi là một hoặc một chỉ số phân cấp. Khung dữ liệu của bạn hiện được lập chỉ mục theo nhiều khóa, bạn có thể sắp xếp khóa này bằng >>> Trước tiên, bạn chỉ định một chỉ mục mới cho Khung dữ liệu của mình bằng cách sử dụng các cột Sắp xếp theo chỉ mục theo thứ tự giảm dầnĐối với ví dụ tiếp theo, bạn sẽ sắp xếp DataFrame của mình theo chỉ mục của nó theo thứ tự giảm dần. Hãy nhớ rằng khi sắp xếp DataFrame của bạn với >>> Bây giờ DataFrame của bạn được sắp xếp theo chỉ mục của nó theo thứ tự giảm dần. Một điểm khác biệt giữa việc sử dụng Khám phá các khái niệm sắp xếp theo chỉ mục nâng caoCó nhiều trường hợp trong phân tích dữ liệu mà bạn muốn sắp xếp theo chỉ mục phân cấp. Bạn đã thấy cách bạn có thể sử dụng Đặt cột Sắp xếp các cột trong DataFrame của bạnBạn cũng có thể sử dụng các nhãn cột của DataFrame để sắp xếp các giá trị hàng. Sử dụng Làm việc với DataFrame >>> df.sort_values( .. by="city08", .. ascending=False .. ) city08 cylinders fuelType .. mpgData trany year 9 23 4 Regular .. Y Automatic 4-spd 1993 2 23 4 Regular .. Y Manual 5-spd 1985 7 23 4 Regular .. Y Automatic 3-spd 1993 8 23 4 Regular .. Y Manual 5-spd 1993 76 23 4 Regular .. Y Manual 5-spd 1993 . .. .. .. .. .. .. ... 58 10 8 Regular .. N Automatic 3-spd 1985 80 9 8 Regular .. N Automatic 3-spd 1985 1 9 12 Regular .. N Manual 5-spd 1985 47 9 8 Regular .. N Automatic 3-spd 1985 99 9 8 Premium .. N Automatic 4-spd 1993 [100 rows x 10 columns] 036Khi bạn sử dụng Sử dụng nhãn cột để sắp xếpBạn cũng có thể sử dụng nhãn cột của DataFrame làm khóa sắp xếp cho >>> Các cột trong DataFrame của bạn được sắp xếp từ trái sang phải theo thứ tự bảng chữ cái tăng dần. Nếu bạn muốn sắp xếp các cột theo thứ tự giảm dần, thì bạn có thể sử dụng >>> Sử dụng Làm việc với dữ liệu bị thiếu khi sắp xếp trong PandasThông thường, dữ liệu trong thế giới thực có nhiều điểm không hoàn hảo. Mặc dù gấu trúc có một số phương pháp mà bạn có thể sử dụng để làm sạch dữ liệu của mình trước khi sắp xếp, nhưng đôi khi thật tuyệt khi thấy dữ liệu nào bị thiếu trong khi bạn sắp xếp. Bạn có thể làm điều đó với tham số Tập hợp con của dữ liệu tiết kiệm nhiên liệu được sử dụng cho hướng dẫn này không có giá trị bị thiếu. Để minh họa việc sử dụng >>> Bây giờ bạn có một cột mới tên là Hiểu tham số >>> df.sort_values( .. by="city08", .. ascending=False .. ) city08 cylinders fuelType .. mpgData trany year 9 23 4 Regular .. Y Automatic 4-spd 1993 2 23 4 Regular .. Y Manual 5-spd 1985 7 23 4 Regular .. Y Automatic 3-spd 1993 8 23 4 Regular .. Y Manual 5-spd 1993 76 23 4 Regular .. Y Manual 5-spd 1993 . .. .. .. .. .. .. ... 58 10 8 Regular .. N Automatic 3-spd 1985 80 9 8 Regular .. N Automatic 3-spd 1985 1 9 12 Regular .. N Manual 5-spd 1985 47 9 8 Regular .. N Automatic 3-spd 1985 99 9 8 Premium .. N Automatic 4-spd 1993 [100 rows x 10 columns] 049 trong >>> df.sort_values( .. by="city08", .. ascending=False .. ) city08 cylinders fuelType .. mpgData trany year 9 23 4 Regular .. Y Automatic 4-spd 1993 2 23 4 Regular .. Y Manual 5-spd 1985 7 23 4 Regular .. Y Automatic 3-spd 1993 8 23 4 Regular .. Y Manual 5-spd 1993 76 23 4 Regular .. Y Manual 5-spd 1993 . .. .. .. .. .. .. ... 58 10 8 Regular .. N Automatic 3-spd 1985 80 9 8 Regular .. N Automatic 3-spd 1985 1 9 12 Regular .. N Manual 5-spd 1985 47 9 8 Regular .. N Automatic 3-spd 1985 99 9 8 Premium .. N Automatic 4-spd 1993 [100 rows x 10 columns] 2Đây là khung dữ liệu của bạn trông như thế nào khi bạn sắp xếp trên cột có dữ liệu bị thiếu >>> Để thay đổi hành vi đó và để dữ liệu bị thiếu xuất hiện đầu tiên trong DataFrame của bạn, bạn có thể đặt >>> Giờ đây, mọi dữ liệu bị thiếu từ các cột bạn đã sử dụng để sắp xếp sẽ được hiển thị ở đầu Khung dữ liệu của bạn. Điều này hữu ích nhất khi bạn lần đầu tiên bắt đầu phân tích dữ liệu của mình và không chắc liệu có giá trị nào bị thiếu hay không Hiểu tham số >>> df.sort_values( .. by="city08", .. ascending=False .. ) city08 cylinders fuelType .. mpgData trany year 9 23 4 Regular .. Y Automatic 4-spd 1993 2 23 4 Regular .. Y Manual 5-spd 1985 7 23 4 Regular .. Y Automatic 3-spd 1993 8 23 4 Regular .. Y Manual 5-spd 1993 76 23 4 Regular .. Y Manual 5-spd 1993 . .. .. .. .. .. .. ... 58 10 8 Regular .. N Automatic 3-spd 1985 80 9 8 Regular .. N Automatic 3-spd 1985 1 9 12 Regular .. N Manual 5-spd 1985 47 9 8 Regular .. N Automatic 3-spd 1985 99 9 8 Premium .. N Automatic 4-spd 1993 [100 rows x 10 columns] 049 trong >>> df.sort_values( .. by="city08", .. ascending=False .. ) city08 cylinders fuelType .. mpgData trany year 9 23 4 Regular .. Y Automatic 4-spd 1993 2 23 4 Regular .. Y Manual 5-spd 1985 7 23 4 Regular .. Y Automatic 3-spd 1993 8 23 4 Regular .. Y Manual 5-spd 1993 76 23 4 Regular .. Y Manual 5-spd 1993 . .. .. .. .. .. .. ... 58 10 8 Regular .. N Automatic 3-spd 1985 80 9 8 Regular .. N Automatic 3-spd 1985 1 9 12 Regular .. N Manual 5-spd 1985 47 9 8 Regular .. N Automatic 3-spd 1985 99 9 8 Premium .. N Automatic 4-spd 1993 [100 rows x 10 columns] 3Theo mặc định, tham số này được đặt thành Sử dụng các phương pháp sắp xếp để sửa đổi khung dữ liệu của bạnTrong tất cả các ví dụ bạn đã thấy cho đến nay, cả Tuy nhiên, bạn có thể trực tiếp sửa đổi DataFrame gốc bằng cách chỉ định tham số tùy chọn Sử dụng >>> df.sort_values( .. by="city08", .. ascending=False .. ) city08 cylinders fuelType .. mpgData trany year 9 23 4 Regular .. Y Automatic 4-spd 1993 2 23 4 Regular .. Y Manual 5-spd 1985 7 23 4 Regular .. Y Automatic 3-spd 1993 8 23 4 Regular .. Y Manual 5-spd 1993 76 23 4 Regular .. Y Manual 5-spd 1993 . .. .. .. .. .. .. ... 58 10 8 Regular .. N Automatic 3-spd 1985 80 9 8 Regular .. N Automatic 3-spd 1985 1 9 12 Regular .. N Manual 5-spd 1985 47 9 8 Regular .. N Automatic 3-spd 1985 99 9 8 Premium .. N Automatic 4-spd 1993 [100 rows x 10 columns] 2 tại chỗVới >>> Lưu ý cách gọi >>> Trong đối tượng Sử dụng >>> df.sort_values( .. by="city08", .. ascending=False .. ) city08 cylinders fuelType .. mpgData trany year 9 23 4 Regular .. Y Automatic 4-spd 1993 2 23 4 Regular .. Y Manual 5-spd 1985 7 23 4 Regular .. Y Automatic 3-spd 1993 8 23 4 Regular .. Y Manual 5-spd 1993 76 23 4 Regular .. Y Manual 5-spd 1993 . .. .. .. .. .. .. ... 58 10 8 Regular .. N Automatic 3-spd 1985 80 9 8 Regular .. N Automatic 3-spd 1985 1 9 12 Regular .. N Manual 5-spd 1985 47 9 8 Regular .. N Automatic 3-spd 1985 99 9 8 Premium .. N Automatic 4-spd 1993 [100 rows x 10 columns] 3 Tại chỗVí dụ tiếp theo minh họa rằng Vì chỉ mục được tạo theo thứ tự tăng dần khi bạn đọc tệp của mình vào DataFrame, nên bạn có thể sửa đổi lại đối tượng >>> Bây giờ DataFrame của bạn đã được sửa đổi lại bằng cách sử dụng Nếu bạn đã quen thuộc với các hàm có sẵn của Python là Phần kết luậnBây giờ bạn đã biết cách sử dụng hai phương thức cốt lõi của thư viện pandas. Trong hướng dẫn này, bạn đã học cách
Những phương pháp này là một phần quan trọng để thành thạo phân tích dữ liệu. Họ sẽ giúp bạn xây dựng một nền tảng vững chắc để bạn có thể thực hiện các hoạt động gấu trúc nâng cao hơn. Nếu bạn muốn xem một số ví dụ về cách sử dụng phương pháp sắp xếp gấu trúc nâng cao hơn, thì tài liệu về gấu trúc là một nguồn tài nguyên tuyệt vời Đánh dấu là đã hoàn thành Xem ngay Hướng dẫn này có một khóa học video liên quan do nhóm Real Python tạo. Xem nó cùng với hướng dẫn bằng văn bản để hiểu sâu hơn. Sắp xếp dữ liệu bằng Python với gấu trúc 🐍 Thủ thuật Python 💌 Nhận một Thủ thuật Python ngắn và hấp dẫn được gửi đến hộp thư đến của bạn vài ngày một lần. Không có thư rác bao giờ. Hủy đăng ký bất cứ lúc nào. Được quản lý bởi nhóm Real Python Gửi cho tôi thủ thuật Python » Giới thiệu về anh chàng Spencer Spencer là kỹ sư dữ liệu yêu thích Python và tự động hóa. Anh ấy là một lập trình viên Python tự học, làm việc với các nhóm khoa học dữ liệu và xây dựng các ứng dụng chuyên sâu về dữ liệu » Thông tin thêm về SpencerMỗi hướng dẫn tại Real Python được tạo bởi một nhóm các nhà phát triển để nó đáp ứng các tiêu chuẩn chất lượng cao của chúng tôi. Các thành viên trong nhóm đã làm việc trong hướng dẫn này là Aldren Bartosz Geir Arne Joanna Gia-cốp Bậc thầy Kỹ năng Python trong thế giới thực Với quyền truy cập không giới hạn vào Python thực Tham gia với chúng tôi và có quyền truy cập vào hàng nghìn hướng dẫn, khóa học video thực hành và cộng đồng các Pythonistas chuyên gia Nâng cao kỹ năng Python của bạn » Bậc thầy Kỹ năng Python trong thế giới thực Tham gia với chúng tôi và có quyền truy cập vào hàng ngàn hướng dẫn, khóa học video thực hành và cộng đồng Pythonistas chuyên gia Nâng cao kỹ năng Python của bạn » Bạn nghĩ sao? Đánh giá bài viết này Tweet Chia sẻ Chia sẻ EmailBài học số 1 hoặc điều yêu thích mà bạn đã học được là gì? Mẹo bình luận. Những nhận xét hữu ích nhất là những nhận xét được viết với mục đích học hỏi hoặc giúp đỡ các sinh viên khác. và nhận câu trả lời cho các câu hỏi phổ biến trong cổng thông tin hỗ trợ của chúng tôi |
