Python： Pandas的DataFrame如何按指定list排序

Posted 2020-09-22

本文首发于微信公众号“Python数据之道”（ID：PyDataRoad）

前言

写这篇文章的起由是有一天微信上一位朋友问到一个问题，问题大体意思概述如下：

现在有一个pandas的Series和一个python的list，想让Series按指定的list进行排序，如何实现？

这个问题的需求用流程图描述如下：

我思考了一下，这个问题解决的核心是引入pandas的数据类型“category”，从而进行排序。

在具体的分析过程中，先将pandas的Series转换成为DataFrame，然后设置数据类型，再进行排序。思路用流程图表示如下：

分析过程

• 引入pandas库

import pandas as pd

• 构造Series数据

s = pd.Series({‘a‘:1,‘b‘:2,‘c‘:3})
s

a    1
b    2
c    3
dtype: int64

s.index

Index([‘a‘, ‘b‘, ‘c‘], dtype=‘object‘)

• 指定的list，后续按指定list的元素顺序进行排序

list_custom = [‘b‘, ‘a‘, ‘c‘]
list_custom

[‘b‘, ‘a‘, ‘c‘]

• 将Series转换成DataFrame

  df = pd.DataFrame(s)
  df = df.reset_index()
  df.columns = [‘words‘, ‘number‘]
  df
  

	words	number
0	a	1
1	b	2
2	c	3

设置成“category”数据类型

# 设置成“category”数据类型
df[‘words‘] = df[‘words‘].astype(‘category‘)

# inplace = True，使 recorder_categories生效
df[‘words‘].cat.reorder_categories(list_custom, inplace=True)

# inplace = True，使 df生效
df.sort_values(‘words‘, inplace=True)
df

	words	number
1	b	2
0	a	1
2	c	3

指定list元素多的情况：

若指定的list所包含元素比Dataframe中需要排序的列的元素多，怎么办？

• reorder_catgories（）方法不能继续使用，因为该方法使用时要求新的categories和dataframe中的categories的元素个数和内容必须一致，只是顺序不同。
• 这种情况下，可以使用 set_categories()方法来实现。新的list可以比dataframe中元素多。

list_custom_new = [‘d‘, ‘c‘, ‘b‘,‘a‘,‘e‘]
dict_new = {‘e‘:1, ‘b‘:2, ‘c‘:3}
df_new = pd.DataFrame(list(dict_new.items()), columns=[‘words‘, ‘value‘])
print(list_custom_new)
df_new.sort_values(‘words‘, inplace=True)
df_new

[‘d‘, ‘c‘, ‘b‘, ‘a‘, ‘e‘]

	words	value
0	b	2
1	c	3
2	e	1

df_new[‘words‘] = df_new[‘words‘].astype(‘category‘)

# inplace = True，使 set_categories生效
df_new[‘words‘].cat.set_categories(list_custom_new, inplace=True)

df_new.sort_values(‘words‘, ascending=True)

	words	value
1	c	3
0	b	2
2	e	1

指定list元素少的情况：

若指定的list所包含元素比Dataframe中需要排序的列的元素少，怎么办？

• 这种情况下，set_categories()方法还是可以使用的，只是没有的元素会以NaN表示

注意下面的list中没有元素“b”

list_custom_new = [‘d‘, ‘c‘,‘a‘,‘e‘]
dict_new = {‘e‘:1, ‘b‘:2, ‘c‘:3}
df_new = pd.DataFrame(list(dict_new.items()), columns=[‘words‘, ‘value‘])
print(list_custom_new)
df_new.sort_values(‘words‘, inplace=True)
df_new

[‘d‘, ‘c‘, ‘a‘, ‘e‘]

	words	value
0	b	2
1	c	3
2	e	1

df_new[‘words‘] = df_new[‘words‘].astype(‘category‘)

# inplace = True，使 set_categories生效
df_new[‘words‘].cat.set_categories(list_custom_new, inplace=True)

df_new.sort_values(‘words‘, ascending=True)

	words	value
0	NaN	2
1	c	3
2	e	1

总结

根据指定的list所包含元素比Dataframe中需要排序的列的元素的多或少，可以分为三种情况：

• 相等的情况下，可以使用 reorder_categories和 set_categories方法；
• list的元素比较多的情况下， 可以使用set_categories方法；
• list的元素比较少的情况下， 也可以使用set_categories方法，但list中没有的元素会在DataFrame中以NaN表示。

源代码

需要的童鞋可在微信公众号“Python数据之道”（ID：PyDataRoad）后台回复关键字获取视频，关键字如下：

“2017-025”（不含引号）

?