Pandas | 10 排序

Posted summer-skr--blog

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Pandas | 10 排序相关的知识,希望对你有一定的参考价值。

Pandas有两种排序方式,它们分别是 -

  • 按标签
  • 按实际值
import pandas as pd
import numpy as np

df=pd.DataFrame(np.random.randn(10,2),index=[1,4,6,2,3,5,9,8,0,7],columns=[‘col2‘,‘col1‘])
print (df)

输出结果:

       col2      col1
1  1.069838  0.096230
4 -0.542406 -0.219829
6 -0.071661  0.392091
2  1.399976 -0.472169
3  0.428372 -0.624630
5  0.471875  0.966560
9 -0.131851 -1.254495
8  1.180651  0.199548
0  0.906202  0.418524
7  0.124800  2.011962
 

df数据值中,标签和值未排序。下面来看看如何按标签来排序。

 

按标签排序

使用sort_index()方法,通过传递axis参数和排序顺序,可以对DataFrame进行排序。 默认情况下,按照升序对行标签进行排序。

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(10,2),index=[1,4,6,2,3,5,9,8,0,7],columns = [col2,col1])
sorted_df
=df.sort_index() print (sorted_df)

输出结果:

       col2      col1
0  0.431384 -0.401538
1  0.111887 -0.222582
2 -0.166893 -0.237506
3  0.476472  0.508397
4  0.670838  0.406476
5  2.065969 -0.324510
6 -0.441630  1.060425
7  0.735145  0.972447
8 -0.051904 -1.112292
9  0.134108  0.759698
 

排序顺序

  通过将布尔值传递给升序参数,可以控制排序顺序。 

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(10,2),index=[1,4,6,2,3,5,9,8,0,7],columns = [col2,col1])
sorted_df = df.sort_index(ascending=False)
print (sorted_df)

输出结果:

       col2      col1
9  0.750452  1.754815
8  0.945238  2.079394
7  0.345238 -0.162737
6 -0.512060  0.887094
5  1.163144  0.595402
4 -0.063584 -0.185536
3 -0.275438 -2.286831
2 -1.504792 -1.222394
1  1.031234 -1.848174
0 -0.615083  0.784086
 

按列排列

  通过传递axis参数值为01,可以对列标签进行排序。 默认情况下,axis = 0,逐行排列。

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(10,2),index=[1,4,6,2,3,5,9,8,0,7],columns = [col2,col1])
sorted_df=df.sort_index(axis=1)
print (sorted_df)

输出结果:

       col1      col2
1 -0.997962  0.736707
4  1.196464  0.703710
6 -0.387800  1.207803
2  1.614043  0.356389
3 -0.057181 -0.551742
5  1.034451 -0.731490
9 -0.564355  0.892203
8 -0.763526  0.684207
0 -1.213615  1.268649
7  0.316543 -1.450784
 

按值排序

sort_values()是按值排序的方法。它接受一个by参数,它将使用要与其排序值的DataFrame的列名称。

import pandas as pd
import numpy as np

df = pd.DataFrame({col1:[2,1,1,1],col2:[1,3,2,4]})
sorted_df = df.sort_values(by=‘col1‘)
print (sorted_df)

输出结果:

   col1  col2
1     1     3
2     1     2
3     1     4
0     2     1
 

注意: 观察上面的输出结果,col1值被排序,相应的col2值和行索引将随col1一起改变。因此,它们看起来没有排序。

 

可以传递多个列,前列相同的情况下,排后列

import pandas as pd
import numpy as np

df = pd.DataFrame({col1:[2,1,1,1],col2:[1,3,2,4]})
sorted_df = df.sort_values(by=[‘col1‘,‘col2‘])
print (sorted_df)

输出结果:

   col1  col2
2     1     2
1     1     3
3     1     4
0     2     1
 

排序算法

sort_values()提供了从mergeesortheapsortquicksort中选择算法的一个配置。Mergesort是唯一稳定的算法。

import pandas as pd
import numpy as np

df = pd.DataFrame({col1:[2,1,1,1],col2:[1,3,2,4]})
sorted_df
= df.sort_values(by=col1 ,kind=‘mergesort‘) print (sorted_df)

输出结果:

   col1  col2
1     1     3
2     1     2
3     1     4
0     2     1




以上是关于Pandas | 10 排序的主要内容,如果未能解决你的问题,请参考以下文章

python pandas multiindex片段

pandas GroupBy上的方法apply:一般性的“拆分-应用-合并”

pandas-排序

图解Pandas的排序sort_values函数

对多索引数据透视表 pandas 进行排序

快速入门pandas进行数据挖掘数据分析[多维度排序数据筛选分组计算透视表]