第 3 章 切配台：筛选、排序与整形

第 3 章 · 切配台：筛选、排序与整形

本章要回答的问题：料洗净了，怎么按业务问题精准下刀——只取要的行与列？怎么让数据按想要的次序站队？文本和时间这两类"软料"怎么切成下锅的形状？本章把切配台上的四把刀逐一交到你手上。

为什么会有这一章

清洗解决了"脏"的问题，切配解决"形"的问题。报表要的往往不是全量数据，而是"华东大区、近季度、金额过千"这几刀切出来的切片；榜单要的是排序与排名；文本要拆地址、提号码；时间要按月归拢、按周对齐。这些活都在下锅之前完成——切得准，汤锅区的聚合才有干净的分组；切得歪，后面的每一步都在为歪料返工。老后厨讲"三分灶上、七分案上"，案上的功夫就是本章。

切配台的风格与择菜间不同：清洗重在"判断与取舍"，切配重在"精准与顺手"。本章的函数大多不改变数据本身，只改变数据的范围与形态——loc 与 iloc 决定"取哪块"，sort_values 决定"什么次序"，str 与 dt 两个访问器决定"软料切多细"。四把刀各管一面，组合起来才有完整的案头功夫。

读完能解决什么

• 下刀能力：用布尔面具、loc、iloc、query 四种方式取出任意行列组合，且说得清每种方式的适用面；
• 站位能力：按单列或多列排序，控制缺失值位置，用 rank 给出排名与百分位；
• 细切能力：用 str 访问器完成拆分、提取、替换、判断，把非结构化文本切成结构化的列；
• 时料能力：把文本时间转成时间类型，抽取年月日、星期、季度，用 date_range 生成对齐的时间轴。

可考核知识点清单：loc 与 iloc 一个按标签一个按位置，区间一闭一开；布尔面具组合时为什么必须用与或非符号而不是普通逻辑词；链式索引为什么会招来 SettingWithCopyWarning；sort_values 多列混合升降序的写法；nlargest 的 keep 参数在并列值时的行为；contains 的正则开关默认状态与踩法；extract 按分组捕获的返回形态；dt 访问器只认时间类型的原因；date_range 的 freq 取值；to_period 在按月归拢时的用法。

各节怎么分工

常见疑问

**问：loc 与 iloc 记不住怎么区分？**记关键词：loc 的 l 是 label（标签），iloc 的 i 是 integer（整数位置）。分不清时用一句话验证——能写列名的就是 loc。两套坐标的区间口径不同（一个双闭一个半开），3.1 的对照图值得贴在工位上。

**问：字符串与时间为什么单独立节？**因为它们是"软料"：不像数值列那样规整，加工手法自成体系（str 与 dt 两个访问器），而且最容易藏脏数据。切配台的活里，大半工作量就在这两类软料上。

**问：排序这类基础操作也需要一章吗？**排序本身一步就完，但名次、并列、缺失站位、多列升降序这些"排序的周边"才是事故高发区。3.2 的价值不在 sort_values 这个名字，而在它的参数语义与善后动作。

先决条件

• 完成第 2 章：手里有一份洗好的数据，类型正确、缺失处置过；
• 记得 1.1 的验收动作——时间列必须先转成时间类型，dt 访问器才肯干活；
• 不需要高深的索引理论，本章只讲用得上的那部分。

往下走到哪

切配齐整，下一站汤锅区：groupby 按组下锅、describe 一锅出统计、rolling 滚着算、np.where 条件分流。本章 3.1 的筛选是 4.4 条件计算的近亲，3.4 的月度归拢会在 4.3 的滚动窗口里天天见面。