Python选择排序数据框行

Posted 2021-05-07

该问题是超级用户的migrated，因为可以在堆栈溢出中回答。Migrated<< [2小时前。

import pandas as pd data9 = pd.DataFrame([[1, 2, 3, 03:10:20:170, 'NEW',90.1060,'Agency'], [1, 2, 3, 03:10:20:144, 'Trade',90.1050,'Principal'], [1, 2, 3, 03:10:20:120, 'NEW',90.1022,'Agency'],[1, 2, 3, 03:10:20:100, 'NEW',90.1070,'Agency'], [1, 2, 3, 03:10:20:155, 'NEW',90.1051,'Principal']], columns=['A', 'B','C','D','E','F','G'])

我必须在数据框中找到满足这些条件的行：
我想选择一个排序行，以便：OrderDirection为“卖”，那么OrderType中的“ PRINCIPAL”元素的价格及其在OrderStatus列中与之对应的“ TRADE”元素应小于价格。 OrderType列中的“ AGENCY”元素以及OrderStatus列中的相应“ NEW”元素。因此，结果表仅包含以下行。为此，它必须遍历整个数据框并找到满足上述条件的所有行集。]
[1, 2, 3, 03:10:20:120, 'NEW',90.1022,'Agency']
[1, 2, 3, 03:10:20:144, 'Trade',90.1050,'Principal']
我收到错误：KeyError：“标签[True]不在[index]中]'>
我该如何解决？
下面的代码：

def selection_sort(nums): # This value of i corresponds to how many values were sorted for i, row in nums.iterrows(): # We assume that the first item of the unsorted segment is the smallest lowest_value_index = i # This loop iterates over the unsorted items for j in (i + 1, range(len(nums.F))): if row.loc[row['G'] == 'Agency', 'F'].iloc[lowest_value_index] > row.loc[row['G'] == 'Principal', 'F' ].iloc[j]: lowest_value_index = j # Swap values of the lowest unsorted element with the first unsorted # element row.loc[row['G'] == 'Principal', 'F'].iloc[i], row.loc[row['G'] == 'Agency', 'F'].iloc[lowest_value_index] = row.loc[row['G'] == 'Agency' , 'F'].iloc[lowest_value_index], row.loc[row['G'] == 'Principal', 'F'].iloc[i] selection_sort(data19)

将熊猫作为pd data9 = pd.DataFrame（[[1，2，3，03：10：20：170，'NEW'，90.1060，'Agency']，[1,2,3，03:10： 20：144，'Trade'，90.1050，'Principal']，[1，2，3，03：10：20：120，'NEW'，90.1022，'Agency']，[1,2，...] >

您可以尝试.sort_values（）和.rank（）。这是我从您提供的数据框中得到的内容（datetime字段需要用引号引起来，BTW）。
data9 = pd.DataFrame([
        [1, 2, 3, '03:10:20:170', 'NEW', 90.1060, 'Agency'],
        [1, 2, 3, '03:10:20:144', 'Trade', 90.1050, 'Principal'],
        [1, 2, 3, '03:10:20:120', 'NEW', 90.1022, 'Agency'],
        [1, 2, 3, '03:10:20:100', 'NEW', 90.1070, 'Agency'],
        [1, 2, 3, '03:10:20:155', 'NEW', 90.1051, 'Principal']
        ], columns=['A', 'B','C','D','E','F','G'])
按F和G列排序，但是您可以为名义值添加临时枚举，以确保按照您的目的将其按正确的方向排序。
In [0]: data9 = data9.sort_values(by=["F","G"], ascending=[True, True])
调用data9以检查结果：
In [1]: data9
Out[1]:
   A  B  C             D      E        F          G
2  1  2  3  03:10:20:120    NEW  90.1022     Agency
1  1  2  3  03:10:20:144  Trade  90.1050  Principal
4  1  2  3  03:10:20:155    NEW  90.1051  Principal
0  1  2  3  03:10:20:170    NEW  90.1060     Agency
3  1  2  3  03:10:20:100    NEW  90.1070     Agency
然后，我们可以在“ F”列上进行排名（您可以使用更多列，只需将它们包括在列表中即可，如使用sort一样）。之后，我们仅使用条件来选择前2个（任何低于3个），并产生与您的预期输出相似的结果。
In [1]: data9.loc[data9.loc[:, "F"].rank() < 3.0, :]
Out[1]:
   A  B  C             D      E        F          G
2  1  2  3  03:10:20:120    NEW  90.1022     Agency
1  1  2  3  03:10:20:144  Trade  90.1050  Principal

答案

data9 = pd.DataFrame([ [1, 2, 3, '03:10:20:170', 'NEW', 90.1060, 'Agency'], [1, 2, 3, '03:10:20:144', 'Trade', 90.1050, 'Principal'], [1, 2, 3, '03:10:20:120', 'NEW', 90.1022, 'Agency'], [1, 2, 3, '03:10:20:100', 'NEW', 90.1070, 'Agency'], [1, 2, 3, '03:10:20:155', 'NEW', 90.1051, 'Principal'] ], columns=['A', 'B','C','D','E','F','G'])