问题:如何按两列或更多列对python pandas中的dataFrame进行排序?
假设我有一个数据列a
,其中包含,b
和c
,我想b
按升序按列对数据帧进行排序,然后按c
降序按列对数据帧进行排序,我该怎么做?
回答 0
从0.17.0版本开始,sort
不推荐使用该方法,而推荐使用sort_values
。 sort
在0.20.0版本中被完全删除。参数(和结果)保持不变:
df.sort_values(['a', 'b'], ascending=[True, False])
您可以使用的升序参数sort
:
df.sort(['a', 'b'], ascending=[True, False])
例如:
In [11]: df1 = pd.DataFrame(np.random.randint(1, 5, (10,2)), columns=['a','b'])
In [12]: df1.sort(['a', 'b'], ascending=[True, False])
Out[12]:
a b
2 1 4
7 1 3
1 1 2
3 1 2
4 3 2
6 4 4
0 4 3
9 4 3
5 4 1
8 4 1
正如@renadeen所评论
默认情况下,排序不正确!因此,您应该将sort方法的结果分配给变量,或者将inplace = True添加到方法调用中。
也就是说,如果您想将df1用作已排序的DataFrame:
df1 = df1.sort(['a', 'b'], ascending=[True, False])
要么
df1.sort(['a', 'b'], ascending=[True, False], inplace=True)
回答 1
从熊猫0.17.0开始,DataFrame.sort()
已弃用该熊猫,并将其设置为在以后的熊猫版本中将其删除。现在,按值对数据框进行排序的方法是DataFrame.sort_values
因此,您问题的答案现在是
df.sort_values(['b', 'c'], ascending=[True, False], inplace=True)
回答 2
对于数字数据的大型数据框,您可能会通过看到显着的性能改进numpy.lexsort
,该方法使用一系列键执行间接排序:
import pandas as pd
import numpy as np
np.random.seed(0)
df1 = pd.DataFrame(np.random.randint(1, 5, (10,2)), columns=['a','b'])
df1 = pd.concat([df1]*100000)
def pdsort(df1):
return df1.sort_values(['a', 'b'], ascending=[True, False])
def lex(df1):
arr = df1.values
return pd.DataFrame(arr[np.lexsort((-arr[:, 1], arr[:, 0]))])
assert (pdsort(df1).values == lex(df1).values).all()
%timeit pdsort(df1) # 193 ms per loop
%timeit lex(df1) # 143 ms per loop
一个特殊之处是定义的排序顺序numpy.lexsort
颠倒了:首先(-'b', 'a')
按系列排序a
。我们否定级数b
以反映我们希望该级数降序排列。
请注意,np.lexsort
仅使用数字值排序,而同时pd.DataFrame.sort_values
使用字符串或数字值。np.lexsort
与字符串一起使用将给出:TypeError: bad operand type for unary -: 'str'
。