深入理解Pandas数据排序

Posted 尤尔小屋的猫

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了深入理解Pandas数据排序相关的知识,希望对你有一定的参考价值。

公众号:尤而小屋
作者:Peter
编辑:Peter

大家好,我是Peter~

在之前的一篇文章中,详细介绍了关于如何使用pandas的内置函数sort_values来实现数据的排序。本文讲解的是如何使用自定义方式来实现排序:

  • 映射关系实现
  • CategoricalDtype类型实现

模拟数据

先模拟一份简单的数据:

import pandas as pd
import numpy as np

df = pd.DataFrame(
    "nick":["aaa","bbb","aba","abc","cac","ccc"],  # 昵称
    "math":[100,120,130,111,100,128],  # 数学
    "english":[140,80,120,90,125,116],  # 英语
    "size":["S","M","L","XS","XL","L"]   # 衣服大小
    )

df

sort_values

DataFrame.sort_values(by, 
               axis=0, 
               ascending=True, 
               inplace=False, 
               kind='quicksort', 
               na_position='last', # last,first;默认是last
               ignore_index=False, 
               key=None)

参数的具体解释为:

  • by:表示根据什么字段或者索引进行排序,可以是一个或多个
  • axis:排序是在横轴还是纵轴,默认是纵轴axis=0
  • ascending:排序结果是升序还是降序,默认是升序
  • inplace:表示排序的结果是直接在原数据上的就地修改还是生成新的DatFrame
  • kind:表示使用排序的算法,快排quicksort,,归并mergesort, 堆排序heapsort,稳定排序stable ,默认是 :快排quicksort
  • na_position:缺失值的位置处理,默认是最后,另一个选择是首位
  • ignore_index:新生成的数据帧的索引是否重排,默认False(采用原数据的索引)
  • key:排序之前使用的函数

下面通过几个简单的例子来复习下sort_values的使用:

单个字段排序

通过nick字段排序,字符串是根据字母的ASCII码;默认是从小到大的升序。第一个字母相同,则比较第二个,类推:

根据数值的大小来升序排列:

可以将排序方式改为降序:

多个字段排序

多个字段的同时排序,默认也是升序。当第一个字段的取值相同,再根据第二个字段来升序排列

给不同的字段指定不同的排序方式:

再完整地对比下两种不同的方式:

上面的就是sort_values方法的常见排序方式。

自定义排序

使用sort_values方法排序的时候都是内置的字母或者数值型数据的大小直接来排序,当遇到下面的情况,该如何操作?

当我们根据衣服的大小size来排序,得到的结果是:

明显这样的排序方式不是我们理想中的样子,在我们的认知中:

  • XS:很小
  • S:小
  • M:中等
  • L:大
  • XL:超大

该如何解决这个问题?提供两种方式:

方法1:通过映射

1、先找到每个size的顺序对应的数值大小

2、生成新的字段order

3、我们对order进行排序

方法2:使用CategoricalDtype

CategoricalDtype是具有类别和顺序的分类数据的类型,能够创建我们自定义的排序数据类型。官网地址:

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.CategoricalDtype.html

1、指定一个分类的数据类型CategoricalDtype

category_size = pd.CategoricalDtype(
    ['XS', 'S', 'M', 'L', 'XL'], 
    ordered=True)

category_size

2、将size字段设置成上面的CategoricalDtype类型

3、我们直接对size使用sort_values就可以达到我们的目的,和上面的map映射的效果是相同的

而且通过查看df的数据类型,我们也看到size的类型是category:

以上是关于深入理解Pandas数据排序的主要内容,如果未能解决你的问题,请参考以下文章

Pandas之:深入理解Pandas的数据结构

pandas深入理解

Pandas之:深入理解Pandas的数据结构

pandas数据排序sort_values后面inplace=True与inplace=False的实例驱动理解

重温数据结构:深入理解红黑树

Java 集合深入理解 (十七) :TreeMap源码研究如何达到快速排序和高效查找