北京高考分數(shù)線統(tǒng)計分析案例2

案例分析（二）教師：亢華愛北京信息職業(yè)技術(shù)學(xué)院商務(wù)數(shù)據(jù)分析與應(yīng)用專業(yè)教學(xué)資源庫目錄Contents將DataFrame對象按從大到小的順序排列獲取歷年一本、二本文理科最高和最低的分數(shù)線及極差1PART將DataFrame對象按從大到小的順序排列將DataFrame對象按從大到小的順序排列在上一節(jié)課生成DataFrame對象以后，我們可以看到它的行索引順序是錯亂的。將DataFrame對象按從大到小的順序排列sorted_obj=df_obj.sort_index(ascending=False)sorted_obj為了能夠更加直觀地展現(xiàn)數(shù)據(jù)，接下來，通過sort_index()方法讓DataFrame對象按照從大到小的順序排列，具體代碼如下。輸出結(jié)果2PART獲取歷年一本、二本文理科最高和最低的分數(shù)線及極差獲取歷年一本、二本文理科最高和最低的分數(shù)線及極差下面我們來實現(xiàn)第一個案例需求：（1）一本文理科與二本文理科最高的分數(shù)線是多少，最低的分數(shù)線是多少，相差多少分。要想知道一本和二本文理科最高與最低的分數(shù)線，則可以使用max()與min()函數(shù)進行運算。另外，可以使用索引取出一列數(shù)據(jù)，調(diào)用ptp()函數(shù)計算極差，具體操作如下。獲取歷年一本、二本文理科最高和最低的分數(shù)線及極差首先，使用max()與min()函數(shù)獲取最大最小數(shù)據(jù)。數(shù)據(jù)代碼如下。（1）獲取一本和二本文理科最高分數(shù)線sorted_obj.max()（2）獲取一本和二本文理科最低分數(shù)線sorted_obj.min()從輸出結(jié)果可以看出，一本文科分數(shù)線最高為583分，最低為495分，相差了近90分，一本理科分數(shù)線最高為550分，最低為477分，相差了73分；二本文科分數(shù)線最高為532分，最低為446分，同樣相差了近90分，二本理科分數(shù)線最高為505分，最低為432分，相差了近73分。獲取歷年一本、二本文理科最高和最低的分數(shù)線及極差如果想更直觀等獲取最高分數(shù)線和最低分數(shù)線的差值，可以使用ptp()函數(shù)。示例代碼如下。（1）獲取一本文科極差result1=sorted_obj["一本分數(shù)線","文科"].ptp()result1（2）獲取一本理科極差result2=sorted_obj["一本分數(shù)線","理科"].ptp()result2（3）獲取二本文科極差result3=sorted_obj["二本分數(shù)線","文科"].ptp()result3（4）獲取二本理科極差result4=sorted_obj["二本分數(shù)線","理科"].ptp()result4從輸出結(jié)果可以看出，一本文科分數(shù)線最高與最分相差88分，一本理科分數(shù)線最高與最低相差73分；二本文科分數(shù)線最高與最低相差86分，二本理科分數(shù)線最高與最低相差73分。參考文獻[1]黑馬程序員.Python數(shù)據(jù)分